Measuring the quality of patient-provider relationships in serious illness: A scoping review
Notice bibliographique
Résumé
Background: People affected by serious illness face several threats to their well-being: physical symptoms, psychological distress, disrupted social relations, and spiritual/existential crises. Relationships with clinicians provide a form of structured support that promotes shared decision-making and adaptive stress coping. Measuring relationship quality may improve quality assessment and patient care outcomes. However, researchers and those promoting quality improvement lack clear guidance on measuring this. Aim: To identify and assess items from valid measures of patient-provider relationship quality in serious illness settings for guiding quality assessment. Design: Scoping review. Data sources: We identified peer-reviewed, English-language articles published from 1990 to 2023 in CINAHL, Embase, and PubMed. Eligible articles described the validation of measures assessing healthcare experiences of patient populations characterized by serious illness. We used Clarke et al.’s theory of relationship quality to assess relationship-focused items. Results: From 3868 screened articles, we identified 101 publications describing 47 valid measures used in serious illness settings. Measures assessed patients and other caregivers. We determined that 597 of 2238 items (26.7%) related to relationships. Most measures ( n = 46) included items related to engaging the patient as a whole person. Measures evaluated how providers promote information exchange ( n = 35), foster therapeutic alliance ( n = 35), recognize and respond to emotion ( n = 27), and include patients in care-related decisions ( n = 23). Few instruments ( n = 9) assessed patient self-management and navigation. Conclusions: Measures include items that assess patient-provider relationship quality in serious illness settings. Researchers may consider these for evaluating and improving relationship quality, a patient-centered care and research outcome.
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 | 0,028 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,020 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».