MétaCan
Menu
Retour à la cohorte
Enregistrement W2143535194 · doi:10.1002/pon.907

Do patients benefit from participating in medical decision making? Longitudinal follow-up of women with breast cancer

2005· article· en· W2143535194 sur OpenAlexafffund
Thomas F. Hack, Lesley F. Degner, Peter H. Watson, Luella Sinha

Notice bibliographique

RevuePsycho-Oncology · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of ManitobaSt. Boniface Hospital
Organismes subventionnairesCanadian Breast Cancer Research AllianceBreast Cancer Alliance
Mots-clésRegretBreast cancerQuality of life (healthcare)MedicineBaseline (sea)Longitudinal studyGynecologyCancerInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

This study sought to examine the relationships between decisional role (preferred and assumed) at time of surgical treatment (baseline), congruence between assumed role at baseline and preferred role 3 years later (follow-up), and quality of life at follow-up. Two hundred and five women diagnosed with breast cancer completed the decisional role preference scale at baseline and follow-up, and the EORTC QLQ-C30 at follow-up. A statistically significant number of women had decisional role regret, with most of these women preferring greater involvement in treatment planning than was afforded them. Women who indicated at baseline that they were actively involved in choosing their surgical treatment had significantly higher overall quality of life at follow-up than women who indicated passive involvement. These actively involved women had significantly higher physical and social functioning and significantly less fatigue than women who assumed a passive role. Quality of life was significantly related to reports of experienced involvement in treatment decision making, but not to reports of preferred involvement, or congruence between preferred and experienced involvement.

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)0,008
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,136
Tête enseignante GPT0,482
Écart entre enseignants0,346 · 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

Citations375
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsycho-OncologyMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207