Coping With Ovarian Cancer: Do Coping Styles Affect Outcomes?
Notice bibliographique
Résumé
UNLABELLED: The majority of patients with ovarian cancer face a long road of persistent hardship and strain. Treatment of this disease is intense, involving aggressive debulking surgery and multiple chemotherapy regimens. Coping with the disease and its treatment challenges patients on many levels. This review was developed to summarize the evidence concerning the impact of coping strategies on outcomes in patients with ovarian cancer. A comprehensive search of the literature in the field of coping and ovarian cancer was undertaken. Using the Ovid interface, 3 electronic databases, including Medline, Cinahl, and PsycINFO, were searched using the search terms "coping," "cancer," and "ovarian cancer." In addition, a critical appraisal of the 2 most widely used scales to assess coping strategies was a component of this work. This review highlights the relative lack of knowledge on coping in ovarian cancer, the methodologic challenges to its study, and the need to develop an instrument that is tailored to evaluate coping strategies used by patients with ovarian cancer. A validated instrument to assess coping strategies used by patients with ovarian cancer is needed. Identification of strategies that are maladaptive or destructive in patients with ovarian cancer could be used to improve quality of care for patients burdened by this disease. TARGET AUDIENCE: Obstetricians & Gynecologists, Family Physicians. LEARNING OBJECTIVES: After completion of this article, the reader should be able to list the potential coping strategies for patients with ovarian cancer, to explain the various coping assessment scales, and to summarize the evidence concerning the impact of coping strategies on outcomes in ovarian cancer patients.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».