Knowledge Translation Initiative to Improve Interdisciplinary Approaches to Psychosocial Oncology Among Community Stakeholders in Rural Regions of British Columbia
Notice bibliographique
Résumé
BACKGROUND: This study reports on a community engagement knowledge-translation world café hosted in British Columbia, built on the research project "Enhancing cancer navigation for newly diagnosed, treated and post-treatment of people living with breast cancer in interior region". The aim was to co-create a knowledge translation initiative with community stakeholders to enhance interdisciplinary approaches to psychosocial oncology. METHODS: This study drew on implementation science and the consolidated framework for implementation research, which emphasize the importance of creating partnerships between researchers and engaging people for whom the research is meant to be of use-knowledge users and service users. Guided world café and purposeful sampling were used to engage a diverse range of stakeholders. Eighty stakeholders participated in this study from April 2023 to April 2024. Thematic analysis was conducted through familiarization, coding, theme development, review, definition, and reporting. RESULTS: Eleven key themes emerged, including compassionate connection, time as a healing gift, empowering health literacy, informed compassion, holistic support ecosystem, empowering patient navigators, shared decision-making, empowering partnerships, digital-physical synergy, person-centered transformation, and accountability and collaboration. CONCLUSIONS: The key findings highlighted the need for continuous professional development for primary care providers, integrating patient-reported outcomes in electronic health records, leveraging digital health tools, and establishing community-engaged psychosocial oncology hubs to enhance care in rural communities. RECOMMENDATION: Recommendations include ongoing professional learning, embedding patient voices and lived experiences into care planning through digital tools, and empowering rural and diverse communities through inclusive and accessible cancer models of care.
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 | 0,017 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».