MétaCan
Menu
Retour à la cohorte
Enregistrement W4416735535 · doi:10.1186/s12911-025-03229-8

Patients and healthcare professionals’ perspectives on the implementation of shared decision making in multiple myeloma: a multinational qualitative study

2025· article· en· W4416735535 sur OpenAlexfundno aff
Elise Schoefs, Charlotte Verbeke, Jolien Broekmans, Silène Ten Seldam, Kate Morgan, Katie Joyner, Ariel Aviv, Varda Shoham, Anneleen Vanhellemont, Michel Delforge, Chantal Van Audenhove, Rosanne Janssens, Isabelle Huys

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Myeloma Research and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesTakeda CanadaFonds Wetenschappelijk Onderzoek
Mots-clésQualitative researchFocus groupHealth careHealth informaticsMultidisciplinary approachFocus (optics)Multinational corporation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Shared decision making (SDM) is highly relevant in oncology and cancer care, yet its application within multiple myeloma (MM) remains underexplored. This study aims to (1) investigate SDM implementation in MM clinical practice, (2) assess the role of various stakeholders next to haematologists in the SDM process, and (3) identify barriers and potential solutions to SDM implementation in MM care. METHODS: This qualitative study consisted of semi-structured interviews with patients (n = 39), haematologists (n = 15), and haematology nurses (n = 5) from nine countries in Europe and Israel. Interviews were analysed thematically. RESULTS: MM patients expressed diverse preferences for involvement in treatment decisions, emphasising the importance of receiving information, engaging in discussions, and having their opinions considered. However, participants reported varied experiences regarding the application of SDM. While most haematologists believed SDM was consistently attempted, patients frequently indicated that their preferences, concerns, and desired level of involvement were not explicitly solicited. Discussions about the option of no treatment were notably under-discussed, as observed by patients and acknowledged by haematologists. Patients uniformly reported that the assessment of their preferred information-seeking approach was consistently overlooked, a critical step in SDM. Haematology nurses, the multidisciplinary team, family members, and patient organisations were found to play an invaluable role in the SDM process, each having their own complementary role alongside haematologists. Barriers to SDM implementation included haematologists' reluctance to inform or involve patients, patients' emotional status, lack of reliable patient-focused information, absence of haematology nurses, and time constraints. Patient decision aids (PtDAs) were perceived as tools to facilitate SDM, with a majority of participants expressing positive attitudes towards them, recognising their value in specific contexts. CONCLUSION: While SDM is partially applied in MM care, there remains room for improvement. This can be done by amplifying the role of haematology nurses and other multidisciplinary team members in the SDM process. Additionally, efforts should focus on increasing the role of patient organisations in raising awareness about SDM and empowering patients to actively participate in SDM. The recommendations derived from this study along with the insights for PtDA development can serve as an initial stride towards increasing SDM implementation in MM 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,026
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,034
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,008
Communication savante0,0050,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,064
Tête enseignante GPT0,479
Écart entre enseignants0,415 · 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 source (Gemma direct ou Codex distillé), 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 Medical Informatics and Decision MakingMême sujetMultiple Myeloma Research and TreatmentsTravaux en français237 207