MétaCan
Menu
Retour à la cohorte
Enregistrement W4414664393 · doi:10.1186/s12904-025-01879-z

Setting the stage for communication skills training in Rwandan cancer care: a qualitative study of local priorities and key contextual factors

2025· article· en· W4414664393 sur OpenAlexaff
Pacifique Uwamahoro, Ignace Girukubonye, Jean Bosco Bigirimana, Cyprien Shyirambere, Katherine Van Loon, Rebecca L. Sudore, Justin J. Sanders, Vincent K. Cubaka, Rebecca DeBoer

Notice bibliographique

RevueBMC Palliative Care · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensMcGill University
Organismes subventionnairesUniversity of California, San FranciscoNational Cancer InstituteConquer Cancer FoundationNational Institutes of HealthNational Palliative Care Research CenterNational Institute on AgingBristol-Myers Squibb
Mots-clésQualitative researchTraining (meteorology)Communication skills trainingCommunication skillsPain medicineKey (lock)Palliative careStage (stratigraphy)Cancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The burden of advanced cancer is rising in Africa. Cancer care involves complex conversations between providers, patients, and families. International guidelines recommend communication skills training for all cancer care providers, and patient-provider communication and training needs are strongly influenced by culture. As oncology and palliative care capacity expand in African settings such as Rwanda, participatory research is needed to culturally adapt communication skills training to best fit local contexts. METHODS: Guided by the Cultural Adaptation Process model, this study aimed to set the stage for adaptation and implementation of serious illness communication skills training in the Rwandan context. We conducted focus group discussions with interdisciplinary cancer care providers at Butaro Hospital in Rwanda to understand their communication training priorities and describe pertinent contextual factors. The focus groups were audio-recorded, transcribed, and analyzed using the framework method of thematic analysis. RESULTS: A total of 17 cancer care providers participated in one of three focus groups, including six physicians, seven nurses, two psychologists, and two social workers. Participants identified delivering bad news and responding to emotion as the most challenging aspects of clinical communication and the highest priorities for training. They expressed concerns about the psychological toll of difficult conversations on providers, advocating for future trainings to include burnout mitigation strategies. Participants described several key contextual factors that should inform adaptations of communication training for Rwandan cancer care. These include barriers common to low-resource settings as well as several local assets: interdisciplinary collaboration, dedicated clinical psychologists, group counseling sessions, peer support among patients, and strong community networks. Several findings will be directly applied to the design of an initial pilot communication training in Rwanda. Areas requiring further investigation and opportunities to broaden the scope of communication interventions beyond patient-provider encounters were identified. CONCLUSIONS: This study sets the stage for adapted communication skills training in Rwanda that is guided by the priorities and recommendations of local cancer care providers. Several pertinent cultural and structural factors were identified that are common across diverse African settings. Therefore, our training adaptations, as well as the methodology used for adaptation, have the potential for widespread reach.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,239
Tête enseignante GPT0,514
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Palliative CareMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207