MétaCan
Menu
Retour à la cohorte
Enregistrement W2132273129 · doi:10.1007/s13187-014-0658-2

Patient Educational Needs of Patients Undergoing Surgery for Lung Cancer

2014· article· en· W2132273129 sur OpenAlexaff
Judy King, Paul Chamberland, Anissa Rawji, Amanda L. Ager, Renée Léger, Robin Michaels, Renée Poitras, Deborah Skelton, Michelle P. Warren

Notice bibliographique

RevueJournal of Cancer Education · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicinePatient educationLung cancerLung cancer surgeryHealth professionalsPhysical therapyPostoperative painSurgeryGeneral surgeryHealth careNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

There often exists a discrepancy between the information health care professionals (HCPs) provide to patients in preoperative teaching sessions and the information patients perceive as important. This study's purpose was to determine what information patients undergoing a lung cancer surgical resection wanted to learn before and after their surgery and also to uncover the information HCPs currently provide to these patients. Ten patients were interviewed preoperatively and postoperatively, and eleven HCPs involved in both their preoperative and postoperative care were interviewed. Emerging themes were noted. Patients reported that the most helpful aspects of the preoperative education included surgical details and the importance of physiotherapy, including exercises. Postoperatively, patients wished they had known more about postoperative pain. HCPs provided information that they felt prepared, informed and empowered their patients. Overall, patients expressed satisfaction with the information they received; they felt prepared for their surgery but not for postoperative pain control.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,095
Tête enseignante GPT0,481
Écart entre enseignants0,385 · 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'étudeObservationnel
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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cancer EducationMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207