Illustrating the Multi-Faceted Dimensions of Group Therapy and Support for Cancer Patients
Notice bibliographique
Résumé
In cancer support groups, choice of therapy model, leadership style, and format can impact patients' experiences and outcomes. Methodologies that illustrate the complexity of patients' group experiences might aid in choosing group style, or testing therapeutic mechanisms. We used this naturalistic study as a beginning step to explore methods for comparing cancer group contexts by first modifying a group-experience survey to be cancer-specific (Group Experience Questionnaire (GEQ)). Hypothesizing that therapist-led (TL) would differ from non-therapist-led (NTL), we explored the GEQ's multiple dimensions. A total of 292 patients attending three types of groups completed it: 2 TL groups differing in therapy style ((1) Supportive-Expressive (SET); (2) The Wellness Community (TWC/CSC)); (3) a NTL group. Participants rated the importance of "Expressing True Feelings" and "Discussing Sexual Concerns" higher in TL than NTL groups and "Discussing Sexual Concerns" higher in SET than other groups. They rated "Developing a New Attitude" higher in TWC/CSC compared to NTL. In addition, we depict the constellation of group qualities using radar-charts to assist visualization. These charts facilitate a quick look at a therapy model's strengths and weaknesses. Using a measure like the GEQ and this visualization technique could enable health-service decision making about choice of therapy model to offer.
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 | 0,003 | 0,005 |
| 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 | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».