A qualitative study on healthcare professional and patient perspectives on nurse-led virtual prostate cancer survivorship care
Notice bibliographique
Résumé
BACKGROUND: Virtual nurse-led care models designed with health care professionals (HCPs) and patients may support addressing unmet prostate cancer (PCa) survivor needs. Within this context, we aimed to better understand the optimal design of a service model for a proposed nurse-led PCa follow-up care platform (Ned Nurse). METHODS: A qualitative descriptive study exploring follow-up and virtual care experiences to inform a nurse-led virtual clinic (Ned Nurse) with an a priori convenience sample of 10 HCPs and 10 patients. We provide a health ecosystem readiness checklist mapping facilitators onto CFIR and Proctor's implementation outcomes. RESULTS: We show that barriers within the current standard of care include: fragmented follow-up, patient uncertainty, and long, persisting wait times despite telemedicine modalities. Participants indicate that a nurse-led clinic should be scoped to coordinate care and support patient self-management, with digital literacy considerations. CONCLUSION: A nurse-led follow-up care model for PCa is seen by HCPs as acceptable, feasible, and appropriate for care delivery. Patients value its potential to provide role clarity, reinforce continuity of care, enhance mental health support, and increase access to timely and targeted care. These findings inform design, development, and implementation strategies for digital health interventions within complex settings, revealing opportunities to optimally situate these interventions to improve care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».