Shared Decision Making Among Racially and/or Ethnically Diverse Populations in Primary Care: A Scoping Review of Barriers and Facilitators
Notice bibliographique
Résumé
PURPOSE: Disparities in the use of shared decision making (SDM) affect minoritized patients. We sought to identify the barriers and facilitators to SDM among diverse patients. METHODS: We conducted a scoping review in adherence to the Joanna Briggs Institute's methodologic framework. Our search of 4 databases-PubMed, Scopus, CINAHL Plus with Full Text, and PsycINFO-used controlled vocabulary and key word terms related to SDM in the care of racially and/or ethnically diverse adults in the primary care setting. We included peer-reviewed studies conducted in the United States or Canada that evaluated the process of decision making and that had populations in which more than 50% of patients were from racial and/or ethnic minorities. Unique records were uploaded to a screening platform for independent review by 2 team members. We used grounded theory to guide our inductive approach and completed a thematic analysis. RESULTS: A total of 39 studies met all inclusion criteria. We identified 5 overarching themes: (1) factors regarding the decision-making process during the clinical encounter, (2) clinician practice characteristics, (3) trust in the clinician/health care system, (4) cultural congruence between clinician and patient, and (5) extrinsic factors affecting the decision-making process. Barriers of SDM included cultural and language discordance; prejudice, bias, and stereotypes; mistrust; and clinician time constraints. Facilitators of SDM included cultural concordance between clinician and patient; clinician language competence; and clear, honest, and humanistic communication with patients having the ability to ask questions. CONCLUSIONS: We identified a set of potentially modifiable factors that facilitate or impede SDM. Our findings can help inform strategies and interventions to improve SDM among racially and/or ethnically diverse patient populations.
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 | 0,048 | 0,175 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 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 ».