Preferred roles in treatment decision making among patients with cancer: A pooled analysis of studies using the control preferences scale
Notice bibliographique
Résumé
Objectives: To collect normative data, assess differences between demographic groups, and indirectly compare US and Canadian medical systems relative to patient expectations of involvement in cancer treatment decision making. Study Design: Meta-analysis. Methods: Individual patient data were compiled across 6 clinical studies among 3491 patients with cancer who completed the 2-item Control Preferences Scale indicating the roles they preferred versus actually experienced in treatment decision making. Results: The roles in treatment decision making that patients preferred were 26% active, 49% collaborative, and 25% passive. The roles that patients reported actually experiencing were 30% active, 34% collaborative, and 36% passive. Roughly 61% of patients reported having their preferred role; only 6% experienced extreme discordance between their preferred versus actual roles. More men than women (66% vs 60%, P = .001) and more US patients than Canadian patients (84% vs 54%, P <.001) reported concordance between their preferred versus actual roles. More Canadian patients than US patients preferred and actually experienced (42% vs 18%, P <.001) passive roles. More women than men reported taking a passive role (40% vs 24%, P <.001). Older patients preferred and were more likely than younger patients to assume a passive role. Conclusions: Roughly half of the studied patients with cancer indicated that they preferred to have a collaborative relationship with physicians. Although most patients had the decision-making role they preferred, about 40% experienced discordance. This highlights the need for incorporation of individualized patient communication styles into treatment plans.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».