MétaCan
Menu
Retour à la cohorte
Enregistrement W2431999485 · doi:10.1093/neuonc/now079.18

NU-18NEWLY DIAGNOSED HIGH GRADE GLIOMA AND DIPG: COLLABORATIVE EFFORTS OF PEDIATRIC NEURO-ONCOLOGY AND PALLIATIVE CARE

2016· article· en· W2431999485 sur OpenAlexaff
Karina Black, Clare McDonald, Tara Wren, Dawn Davies, Shona MacLachlan, Beverly Wilson

Notice bibliographique

RevueNeuro-Oncology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensUniversity of AlbertaStollery Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésPediatric oncologyMedicinePalliative careGliomaOncologyInternal medicineCancerCancer researchNursing

Résumé

récupéré en direct d'OpenAlex

Although the idea of offering palliative care services early in the illness trajectory is not new, it can be a difficult introduction when caring for children with a cancer diagnosis. The time of a neuro-oncology diagnosis is often complex with acute onset of symptoms and hospitalization often including intensive care, with a high risk for post-operative or treatment complications. The risk of morbidity and mortality is high and symptom management can be complex making the early introduction of a palliative care team more accepted. Diagnosis of high grade glioma and DIPG are associated with poor outcomes and low overall survival. Between January 2013 and Dec 2015, 75 children under age 17 were diagnosed with brain or spinal cord tumors in our program with 4 high grade glioma and 8 DIPG diagnosis. In 11 of 12 cases, Neuro-oncology Nursing and Palliative care worked collaboratively to care for patients in the outpatient setting beginning within the initial outpatient visits. Utilizing a collaborative approach to care, patients and families had access to support and symptom management throughout their disease trajectory. The proportion of care provided by each subspecialty varied based on patient and family needs. In addition the transfer and support of care in the home community was well facilitated with the combined care model.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,326
Écart entre enseignants0,302 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207