Managing One’s Symptoms
Notice bibliographique
Résumé
BACKGROUND: African Americans endure disproportionately high advanced cancer rates and also are disproportionately represented in the lower socioeconomic strata. These individuals work to manage symptoms in order to function and have a satisfactory quality of life. OBJECTIVE: The purpose of this study was to discover what low-income African American adults with advanced cancer do on a day-to-day basis to relieve and manage symptoms. This study viewed the individuals as experts and asked them not what they are told to do, but rather what they actually do. METHODS: A purposive sample of 27 individuals participated in semistructured interviews conducted by 2 research interviewers. This qualitative descriptive approach used content analysis to develop themes to describe symptom self-management. RESULTS: Participants described 2 approaches: making continual adjustments and finding stability through spirituality. In seeking comfort from the distress of their symptoms, they were constantly altering their activities and fine-tuning strategies. They adjusted medical regimens and changed the speed and selection of daily activities, including comfort measures and diet modifications. In contrast, their spirituality was a consistent presence in their lives that provided balance to their unstable symptom experience. CONCLUSIONS: This study illustrates that people with advanced cancer actively engage in multiple complex self-management strategies in response to symptoms. IMPLICATIONS FOR PRACTICE: As providers assess how individuals manage their symptoms, they must find ways to support those efforts. Providers then will recognize the challenges faced by advanced cancer patients in obtaining the best quality of life while managing multiple symptoms, activities, and family responsibilities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».