A Qualitative Analysis of “Naturalistic” Conversations in a Peer-Led Online Support Community for Lung Cancer
Notice bibliographique
Résumé
BACKGROUND: Online support communities are popular in use by patients with cancer and their families for emotional, informational, and social support. Nonetheless, most research has focused on diagnoses other than lung cancer, indicating a need for studies to include more diverse participants and cancer conditions. OBJECTIVE: Our aim was to describe the content of messages in a United States-based online support community for lung cancer. METHODS: A descriptive exploratory qualitative approach was used to analyze a sample of 688 pages with threaded messages across 2 time periods in 2008 and 2009. We analyzed 68 main posts and 586 replies in 344 pages for period 1 (262 users), and 55 main posts and 697 replies in 344 pages for period 2 (307 users). RESULTS: Most users were female and equally divided as patients or support persons. Content analysis generated 9 themes: disease information, diagnostic test information, treatment information, symptoms, marked deterioration, advocacy, experiencing healthcare providers and the system, positive survivorship, and making sense of emotions. CONCLUSION: Findings highlighted how the online support community is a valued, accessible avenue for information exchange and nonjudgmental emotional support for individuals dealing with lung cancer. IMPLICATIONS FOR PRACTICE: Findings of daily living needs as articulated in this online community serve as a valuable guide for nurses to: better understand support needs, participate in developing and evaluating effective Internet and educational supports, and be better informed as advocates for more resources for Internet support mechanisms for people dealing with stigmatized conditions such as lung cancer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».