Role, Resources, and the Integration of Accompanying Patients in Oncology: A Qualitative Study from the AP’s Perspective
Notice bibliographique
Résumé
Background: In response to the growing emotional support needs of patients in oncology, peer support was introduced into clinical teams in Quebec, Canada in 2018. These peers, called accompanying patients (APs), are former cancer patients who use their experiential knowledge to provide support to patients during their oncology trajectory. This paper aims to identify APs' perceptions on the program and compare the perspectives of inexperienced and experienced APs, APs in different facilities, and APs in different cancer programs. Methods: We conducted a qualitative cross-sectional study based on 12 semi-structured interviews of APs between June and August 2024 in Quebec, Canada. We explored four themes, building on the Practice Change Model for qualitative analysis: APs’ sources of motivation, influences and environmental factors, resources available for AP integration, and the program’s effects. Results: 12 APs from 5 different facilities participated in an interview. All the APs, both experienced and inexperienced, were highly motivated to participate in the program. Their motivations included a desire to give back to society, to help people and to give meaning to their illness. Both experienced and inexperienced APs were confident in their ability to accompany others. They were aware of their responsibilities and its limits regarding their role as an AP. They pointed out the program’s positive impact on their own emotional well-being and that of the patients. The program also benefited the clinical team, by limiting unhelpful demands from patients and time saved for clinicians. However, experienced APs did not feel well integrated in the healthcare team. Conclusion: We concluded that APs are highly motivated to be in the program. They perceived a need for the program in the current health system. They noted its beneficial effects on patients, on themselves, and on the clinical team. However, more resources need to be directed toward AP integration into the healthcare team.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».