Stress in Patients With Lung Cancer: A Human Response to Illness
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To provide a comprehensive overview of stress in patients diagnosed with lung cancer within the context of the four perspectives (normal physiologic, pathophysiologic, behavioral, and experiential) of the Human Response to Illness Model. DATA SOURCES: Published research articles, clinical articles, book chapters, and Internet sources on stress and lung cancer. Initial literature searches in CINAHL(R) and PubMed(R) focused on data subsequent to 2001; classic research dating back to the 1970s also was included. DATA SYNTHESIS: Patients diagnosed with lung cancer experience psychological and biologic stressors from a delayed cancer diagnosis, symptom management issues, and social stigmatization of their illness. These stressors may cause a physiologic stress response, exacerbate the disease process, and decrease the patient's quality of life. CONCLUSIONS: Acknowledging that the stress response may interact with pathophysiologic disease processes such as lung cancer is important, and stress management in patients with cancer should include all four perspectives of the Human Response to Illness Model. IMPLICATIONS FOR NURSING: By examining the four perspectives, interventions may be implemented to prevent or alleviate the detrimental effects of the pathophysiologic stress response. This article establishes the relevance of this nursing model to assess and manage stress among patients with lung cancer and other types of cancers.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».