Prospective study of specialist oncology community nursing resulting in improvements in key patient supportive care outcomes
Notice bibliographique
Résumé
9107 Background: Cancer patients report ongoing significant gaps in supportive care. To date few interventions have been shown to improve supportive care outcomes in cancer. Research in other areas suggests that specialist nursing interventions in the community may address gaps in unmet need, continuity of care and quality of life. This study prospectively studied a community based nursing intervention for cancer patients. Methods: Patients were followed using a longitudinal cohort design, with assessments at baseline (T1), four (T2) and eight (T3) weeks, upon enrollment in a specialist nursing program. The nursing intervention included a comprehensive supportive care assessment and subsequent care delivery or linkage to appropriate services in the community. Validated patient assessment outcomes included: Supportive Cancer Needs Survey Short Form 34, Quality of Life (EORTC QLC-30(v3)), Continuity and Coordination of Care (CCCQ), and a service utilization instrument. Results: 72 of 109 enrolled patients completed all study measures. The majority had advanced stage disease. Median age was 59 years. Disease categories for participants included: breast (33%), gastrointestinal. (18.1%), lung (13.9%), ovarian (9.7%), and head and neck (8.3%). All participants received a baseline comprehensive assessment and had a mean of 1.7 home visits with a mean of 3.9 telephone contacts. We observed significant reductions in most supportive care need domains ( Table ). There were trends to improvement in domains of quality of life and continuity of care. We also observed reductions in acute care services use and increased community agency use. Conclusions: This is one of the first prospective studies in cancer patients that demonstrates improvements in a number of supportive care outcomes through a community based specialist nursing intervention. A randomized study to confirm these findings is currently underway. [Table: see text] No significant financial relationships to disclose.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».