MétaCan
Menu
Retour à la cohorte
Enregistrement W2170213958 · doi:10.1002/pon.682

Travelling for radiation cancer treatment: Patient perspectives

2003· article· en· W2170213958 sur OpenAlexaff
Margaret I. Fitch, Ross E. Gray, Tom McGowan, Ian Brunskill, Shawn Steggles, Scott Sellick, Andrea Bezjak, Donna McLeese

Notice bibliographique

RevuePsycho-Oncology · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health NetworkThunder Bay Regional Health Sciences CentreSunnybrook Health Science CentreNortheast Cancer CentreCancer Care Ontario
Organismes subventionnairesnon disponible
Mots-clésDistressingFeelingCancer treatmentDistressRadiation therapyPsychotherapistMedicineCancerRadiation TherapistPsychologySocial psychologySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Radiation treatment for cancer requires patients to receive frequent administrations and attend the treatment facility on a daily basis for several weeks. Travelling for radiation treatment has the potential to add to the distress an individual may be feeling. This study utilized in-depth interviews to capture 118 patients' perspectives about travelling for cancer treatment. Four themes emerged during the analysis of the data: (1) waiting was the most difficult part of the experience; (2) the idea of travelling for treatment was distressing; (3) travelling for treatment was tiring and posed difficulties for patients; and (4) being away from home had both benefits and drawbacks. Given the inevitability of travelling for radiation treatment, and the issues that arises for patients, supportive strategies need to be designed and implemented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,806

Scores Codex et Gemma par catégorie

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

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 Opus0,273
Tête enseignante GPT0,515
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations61
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

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