MétaCan
Menu
Retour à la cohorte
Enregistrement W1978313919 · doi:10.1097/01.ncc.0000305727.50098.b5

Methodological Challenges of Symptom Management Research in Recurrent Cancer

2008· article· en· W1978313919 sur OpenAlexaff
Constance G. Visovsky, Ann M. Berger, Karl Kosloski, Kyle Kercher

Notice bibliographique

RevueCancer Nursing · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensBerger (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineMilestoneComorbidityDiseaseCancerMEDLINEInclusion and exclusion criteriaDisease managementPhysical therapyAlternative medicinePsychiatryInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Completion of first-line treatment is an important milestone for adults newly diagnosed with cancer. However, for many adults, the cancer experience of the 21st century does not end with the completion of initial treatment. Decreased functional status, distressing symptoms, and residual effects of treatment impact the daily lives of cancer survivors. Cancer has evolved into a chronic illness, in which a disease-free period may be followed by recurrent cancer. Researchers face challenges in the design and analysis of symptom management studies in recurrent disease. Residual effects can preclude a true "baseline" measurement of the symptom(s) of interest to the researcher. In addition, as cancer survivors age, they are more likely to have comorbid conditions that increase the likelihood of developing toxicities and residual symptoms that are specific to cancer treatments. Research studies of cancer-related symptoms in adults with recurrent disease pose many methodological challenges. Selection of appropriate study design, sample inclusion and exclusion criteria, measures of comorbidity and symptoms, and advanced analysis techniques are among the strategies proposed to address these methodological challenges.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,684
score de la tête « metaresearch » (Gemma)0,817
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,390

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,6840,817
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0110,013
Études des sciences et des technologies0,0060,012
Communication savante0,0100,006
Science ouverte0,0080,010
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,591
Tête enseignante GPT0,535
Écart entre enseignants0,056 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer NursingMême sujetCancer survivorship and careTravaux en français237 207