Oncologist-Reported Barriers and Facilitators to Offering Cancer Clinical Trials to Their Patients
Notice bibliographique
Résumé
NCCN guidelines indicate that cancer clinical trials (CCTs) are the best management for patients with cancer. However, only 5% of patients enroll in them. We examined oncologists' perceived barriers and facilitators to discussing CCTs. This qualitative study was part of the ASCO-ACCC Initiative to Increase Racial and Ethnic Diversity in Clinical Trials. Barriers and facilitators at the system, trial, provider, and patient levels were examined. To achieve triangulation, patient encounters were reviewed using chart-stimulated recall (CSR) methods, thereby obtaining a valid assessment of physician performance. Ten oncology providers participated in this study. Nine were oncologists, and one was a clinical research coordinator; five were female; four were White; three were Asian; and three were Black. Barriers to offering CCTs were a lack of trial availability; ineligibility; a lack of knowledge; assumptions about patient interest, benefits, or harms; patient's disease factors; and negative attitudes. Facilitators of offering CCTs were a physical space to discuss trials; greater trial availability; a systematic approach to offering trials; patient factors; patients seeking trials; a lack of comorbidities; patients being younger in age; patients being aware of, asking about, or hearing of trials from their surgeon; and higher levels of altruism. Many of the cited barriers are addressable with the cited facilitators. A larger study is needed to generalize and validate these findings.
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 | 0,024 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».