MétaCan
Menu
Retour à la cohorte
Enregistrement W2094987294 · doi:10.1097/jnn.0000000000000064

Redefining Self

2014· article· en· W2094987294 sur OpenAlexafffund
Diane Lowden, Virginia Lee, Judith A. Ritchie

Notice bibliographique

RevueJournal of Neuroscience Nursing · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMcGill University Health CentreMontreal Neurological Institute and Hospital
Organismes subventionnairesEurostarsMcGill University Health CentreCanadian Nurses Foundation
Mots-clésTheme (computing)NegotiationQuality of life (healthcare)PsychologyCore (optical fiber)PsychotherapistDiseaseLived experienceQuality (philosophy)MedicineSociologyComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

The treatment of multiple sclerosis (MS) has become possible with the advent of disease-modifying therapies, but little is known about patients' experiences when faced with a complex array of treatment options. The purpose of this phenomenological study was to explore the lived experience of making a first decision about treatment with disease-modifying therapies for relapsing-remitting MS. Nine participants shared their perspectives on negotiating the decision to accept, refuse, or delay treatment. All individuals described a core theme in which decision making about treatment was part of a process of coming to a "redefined self." This core theme included reflections about self-image, quality of life, goals, and being a person with MS. Six common themes supporting this core theme were (a) weighing and deciding what's important, (b) acknowledging the illness as part of oneself, (c) playing the mental game, (d) seeking credible resources, (e) evaluating symptoms and fit with quality of life, and (f) managing the roles and involvement of family. The findings of this study provide a greater understanding about the experience of making a therapeutic choice for those with MS and offer insights for nurses when supporting patients faced with options about treatment.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,028
Communication savante0,0060,007
Science ouverte0,0010,008
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,375
Écart entre enseignants0,293 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations20
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience NursingMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207