MétaCan
Menu
Retour à la cohorte
Enregistrement W4392346620 · doi:10.1016/j.ijrobp.2024.02.023

Patient Education Practices and Preferences of Radiation Oncologists and Interprofessional Radiation Therapy Care Teams: A Mixed-Methods Study Exploring Strategies for Effective Patient Education Delivery

2024· article· en· W4392346620 sur OpenAlexaff
Jie Jane Chen, Anna M. Brown, Allison E. Garda, Ellen Kim, Sarah McAvoy, Subha Perni, Michael K. Rooney, Kevin Shiue, Kristi L. Tonning, Laura Warren, Daniel W. Golden, Jennifer Croke

Notice bibliographique

RevueInternational Journal of Radiation Oncology*Biology*Physics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRespondentMedicineThematic analysisRadiation TherapistCurriculumFamily medicineDescriptive statisticsDemographicsMedical educationRadiation therapyPsychologyQualitative researchInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Patients' understanding of radiation therapy (RT) and data regarding optimal approaches to patient education (PE) within radiation oncology (RO) are limited. We aimed to evaluate PE practices of radiation oncologists and interprofessional RT care team members to inform recommendations for delivering inclusive and accessible PE. METHODS AND MATERIALS: An anonymous survey was administered to all Radiation Oncology Education Collaborative Study Group members (10/5/22-11/23/22). Respondent demographics, individual practices/preferences, and institutional practices were collected. Qualitative items explored strategies, challenges, and desired resources for PE. Descriptive statistics summarized survey responses. The Fisher exact test compared PE practices by respondent role and PE timing. Thematic analysis was used for qualitative responses. RESULTS: One hundred thirteen Radiation Oncology Education Collaborative Study Group members completed the survey (28.2% response rate); RO attendings comprised 68.1% of respondents. Most practiced in an academic setting (85.8%) in North America (80.5%). Institution-specific materials were the most common PE resource used by radiation oncologists (67.6%). Almost half (40.2%) reported that their PE practices differed based on clinical encounter type, with paper handouts commonly used for in-person and multimedia for telehealth visits. Only 57.7% reported access to non-English PE materials. PE practices among radiation oncologists differed according to RT clinical workflow timing (consultation versus simulation versus first RT, respectively): one-on-one teaching: 88.5% versus 49.4% versus 56.3%, P < .01, and paper handouts: 69.0% versus 28.7% versus 16.1%, P < .01. Identified challenges for PE delivery included limited time, administrative barriers to the development or implementation of new materials or practices, and a lack of customized resources for tailored PE. Effective strategies for PE included utilization of visual diagrams, multimedia, and innovative education techniques to personalize PE delivery/resources for a diverse patient population, as well as fostering interprofessional collaboration to reinforce educational content. CONCLUSIONS: Radiation oncologists and interprofessional RO team members engage in PE, with most using institution-specific materials often available only in English. PE practices differ according to clinical encounter type and RT workflow timing. Increased adoption of multimedia materials and partnerships with patients to tailor PE resources are needed to foster high-quality, patient-centered PE delivery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,455
Écart entre enseignants0,426 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Radiation Oncology*Biology*PhysicsMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207