A New Approach to Eliciting Meaning in the Context of Breast Cancer
Notice bibliographique
Résumé
A semistructured measure was developed from early descriptive work by Lipowski to elicit the meaning of breast cancer using eight preset categories: challenge, enemy, punishment, weakness, relief, strategy, irreparable loss, and value. This measure was applied in two studies: a cross-sectional survey of 1012 Canadian women at various points after diagnosis and a follow-up study 3 years later of 205 women from the previous study who were close to the time of diagnosis at the first testing. The majority of the 1012 women chose "challenge" (57.4%) or "value" (27.6%) to describe the meaning of breast cancer, whereas fewer chose the more negative "enemy" (7.8%) or "irreparable loss" (3.9%). At the 3-year follow-up assessment, 78.9% of the women who had indicated positive meaning by their choices of "challenge" or "value" did so again. Verbal descriptions provided by the women were congruent with those reported in previous qualitative studies of meaning in breast cancer with respect to the two most prevalent categories: challenge and value. At follow-up assessment, women who ascribed a negative meaning of illness with choices such as "enemy," "loss," or "punishment" had significantly higher levels of depression and anxiety and poorer quality of life than women who indicated a more positive meaning. The meaning-of-illness measure provides an approach that can be applied in large surveys to detect women who ascribe less positive meaning to the breast cancer experience, women who may be difficult to identify in the context of small, qualitative studies.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».