Profils de recherche d’information sur le cancer (PRIC) : outil d’autoévaluation des préférences des patients en matière d’information sur le cancer
Bibliographic record
Abstract
Objectif : Les approches oncologiques contemporaines, comme les soins axés sur les valeurs et les forces, prennent en compte les besoins et les préférences du patient tout au long de l’expérience du cancer. On constate de plus en plus que les différences de comportement en matière de recherche d’information sur le cancer influent sur la communication patient-soignant, la prise de décision liée au traitement, la prestation et les résultats des soins, ainsi que la satisfaction du patient à l’égard des services de soins. Dans mes travaux de recherche passés, j’ai documenté divers profils de recherche d’information sur le cancer (PRIC) chez les patients. Il est possible de facilement reconnaître ces profils à l’aide d’un outil d’autoévaluation empirique à un item fondé sur la théorie. Méthodologie : Des recherches quantitatives guidées par la théorie de l’autoévaluation (TAE), selon laquelle les motivations à chercher de l’information sur soi-même varient en fonction de l’individu, ont montré que les motifs découlant de la TAE s’appliquaient au domaine de la santé (N = 600). Des travaux qualitatifs ont ensuite exploré la recherche d’information chez les personnes atteintes de différents cancers. Élaboré d’après cette série d’études, l’outil PRIC (qui pose une question générale invitant à choisir l’énoncé le plus représentatif parmi cinq phrases correspondant aux cinq profils de recherche d’information) a été testé auprès d’un large échantillon de personnes atteintes de différents cancers. Résultats : Dans cet échantillon (N = 2 142), les patients ont rempli l’outil PRIC et le sondage sur la satisfaction des patients en traitement anticancéreux ambulatoire (Ambulatory Oncology Patient Satisfaction Survey ou AOPSS). Voici les PRIC les plus fréquemment rapportés : complémentaire (50,2 %, recherche d’information sur le cancer qui ajoute à ce que le patient sait déjà), minimal (25,2 %, aucune recherche d’information sur le cancer), gardé (14,4 %, évitement de l’information négative et recherche d’information encourageante sur le cancer), axé sur les pairs (6,4 %, recherche d’information sur le cancer qui provient d’autres personnes ayant le même diagnostic) et intense (3,8 %, recherche du plus d’information possible sur le cancer). Le degré de satisfaction à l’égard des soins variait également selon les profils, le profil intense étant le moins satisfait dans tous les domaines de soins oncologiques. Conclusion et implications pour la pratique : L’outil PRIC permet d’évaluer rapidement le profil de recherche (ou d’évitement) d’information sur le cancer afin d’élaborer des interventions personnalisées. Il serait également intéressant de mener d’autres recherches sur l’évolution du PRIC au fil de l’expérience du cancer.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.067 | 0.164 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".