Patient or treatment centre? Where are efforts invested to improve cancer patients' psychosocial outcomes?
Notice bibliographique
Résumé
The psychosocial outcomes of cancer patients may be influenced by individual-level, social and treatment centre predictors. This paper aimed to examine the extent to which individual, social and treatment centre variables have been examined as predictors or targets of intervention for psychosocial outcomes of cancer patients. Medline was searched to find studies in which the psychological outcomes of cancer patient were primary variables. Papers published in English between 1999 and 2009 that reported primary data relevant to psychosocial outcomes for cancer patients were included, with 20% randomly selected for further coding. Descriptive studies were coded for inclusion of individual, social or treatment centre variables. Intervention studies were coded to determine if the unit of intervention was the individual patient, social unit or treatment centre. After random sampling, 412 publications meeting the inclusion criteria were identified, 169 were descriptive and 243 interventions. Of the descriptive papers 95.0% included individual predictors, and 5.0% social predictors. None of the descriptive papers examined treatment centre variables as predictors of psychosocial outcomes. Similarly, none of the interventions evaluated the effectiveness of treatment centre interventions for improving psychosocial outcomes. Potential reasons for the overwhelming dominance of individual predictors and individual-focused interventions in psychosocial literature are discussed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».