Cancer care team functioning during the coronavirus 19 pandemic and beyond: A mixed method study
Bibliographic record
Abstract
Compte tenu de l’évolution rapide et de la nature exigeante des soins courants en cancérologie (p. ex., nouvelles options de traitement, profils et besoins distincts des patients, charge de travail plus élevée, changements en pratique clinique et pénuries de personnel), les équipes de soins se sentent souvent mal outillées pour répondre à ces nouveaux défis. La pandémie de COVID-19 pose aussi des défis considérables, à court et à long terme, notamment d’importantes perturbations liées au travail, des changements rapides dans les pratiques ainsi que des réductions de la main-d’œuvre. Dans ce contexte, il est important de mieux comprendre le fonctionnement des équipes de soins en cancérologie lors des pandémies et d’identifier les facteurs qui peuvent prédire un fonctionnement optimal. Cette thèse de doctorat visait à: 1) Identifier les caractéristiques clés du fonctionnement de l’équipe de soins en cancérologie pendant les crises sanitaires grâce à une synthèse narrative de la littérature, 2) Mesurer les perceptions des parties prenantes du fonctionnement des équipes pendant la COVID-19 et dans sa transition, et évaluer si les perceptions des patients à l’égard du fonctionnement de l’équipe sont significativement associées à leurs expériences de soins, et 3) identifier les attributs clés du fonctionnement optimal de l’équipe, tels qu’ils sont perçus par les participants interrogés. En conséquence, la thèse comprend trois manuscrits, chacun répondant aux objectifs de recherche susmentionnés. Le manuscrit #1 intitulé « Fonctionnement de l’équipe de soins en cancérologie pendant la COVID-19 : une littérature et synthèse narrative » (Publié dans Current Oncology), fournit un aperçu de la littérature existante sur les caractéristiques spécifiques du fonctionnement des équipes en cancérologie pendant la pandémie de COVID-19. Trois thèmes ont été identifiés comme étant essentiels au fonctionnement global de l’équipe de soins contre le cancer au cours de cette période : 1) l’adoption rapide de la technologie virtuelle pour la communication et la collaboration interprofessionnelle, 2) la promotion de la résilience de l’équipe, et 3) l’encouragement à prendre soin de soi et l’optimisation du soutien de l’équipe. Le manuscrit #2 intitulé « Mesurer le fonctionnement des équipes au cours de la pandémie COVID-19: points de vue des membres de l'équipe de soins en cancérologie » (soumis au Journal of Multidisciplinary Healthcare) rend compte des perceptions des participants concernant les indicateurs clés du fonctionnement de l’équipe : Efficacité de l’équipe et la coordination relationnelle de l’équipe pendant la COVID-19 (T1) et pendant la transition hors de la pandémie (T2). De plus, les associations potentielles entre les perceptions des patients et leurs expériences de soins en cancérologie sont explorées. Dans l’ensemble, les participants (N = 66) représentant quatre groupes (13 professionnels de la santé, 40 patients, 6 aidants naturels et 7 bénévoles) ont été recrutés dans deux cliniques externes de cancérologie d’un hôpital universitaire à Montréal (Québec, Canada), et invités à compléter les questionnaires auto-rapportés à T1 (N = 66) et T2 (n = 44). À T1, les participants ont fait état d’une perception élevée de l’efficacité de l’équipe (échelle de 1 à 6) M = 4.47 ; ET = 0.71 (Mdn = 4.54 ; EIQ : 4.06-5) et coordination relationnelle (échelle de 1 à 5) M = 3.77 ; ET = 0.77 (Mdn = 3.81 ; EIQ : 3.12 à 4.38). Les perceptions sont demeurées relativement inchangées pendant la transition, et aucune différence significative n’a été constatée entre les quatre groupes. Il est intéressant de noter qu’aux deux moments, les perceptions des patients étaient positivement corrélées à leur expérience des soins (corrélations de Spearman allant de 0.69 à 0.83 ; p < 0.01)Manuscrit #3 intitulé « Utilisation de la cartographie cognitive pour explorer les modèles mentaux des parties prenantes du fonctionnement de l’équipe de cancérologie pendant et après la COVID-19 » (soumis au International Journal of Care Coordination), explore les perceptions des intervenants sur les attributs contribuant au fonctionnement de l’équipe de soins en cancérologie pendant COVID-19 et en transition. Treize participants (5 professionnels de la santé, 3 patients, 2 aidants naturels et 3 bénévoles) ont pris part à des séances virtuelles distinctes de cartographie cognitive qui consistent à créer des cartes de modèles mentaux pour un fonctionnement optimal de l’équipe en cancérologie. Ces séances (d’une durée approximative d’une heure chacune), au cours desquelles les participants ont identifié les facteurs liés au fonctionnement optimal, ont servi à cerner les relations entre divers facteurs. Des pondérations furent attribuées quant à la force de l’influence des relations sur le fonctionnement de l’équipe. La combinaison des cartes distinctes de chaque groupe a conduit à un modèle mental partagé identifiant les cinq attributs les plus forts liés au fonctionnement optimal de l’équipe : Une communication efficace, des expériences améliorées en matière de soins, la philosophie de soins (c.-à-d. empathie, compassion, respect), un soutien aux besoins psychosociaux des patients et des professionnels de santé et une clarté du rôle des membres de l’équipe. Dans l’ensemble, cette thèse fournit des données indispensables sur le fonctionnement de l’équipe de cancérologie pendant et au-delà de la pandémie. Elle fournit aussi des évidences quantitatives et qualitatives à l’appui de l’intégration des perceptions de plusieurs parties dans la cocréation de lignes directrices pour un fonctionnement optimal des équipes alors qu’elles font face à des défis importants tels qu’une pandémie. Les connaissances acquises soulignent la nécessité d’élargir les cadres conceptuels existants liés au fonctionnement de l’équipe et de réexaminer les priorités en matière de soins afin d’améliorer la préparation de l’équipe quant aux futures pandémies. Des mesures standardisées permettraient ensuite d'informer, de suivre et d'orienter les améliorations fonctionnelles de l'équipe. La pandémie de COVID-19 a certainement remodelé le paysage des soins révélant des leçons essentielles pour les équipes, et de l’information clé qui peut servir à optimiser leur fonctionnement. Les résultats présentés ici fournissent des pistes précieuses afin de construire des équipes futures plus résilientes
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 | 0.014 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".