MétaCan
Menu
Retour à la cohorte
Enregistrement W2615544166 · doi:10.1200/jco.2013.31.15_suppl.e17007

Designing a survivorship program for head and neck cancer patients.

2013· article· en· W2615544166 sur OpenAlexaff
Jolie Ringash, Maurene McQuestion

Notice bibliographique

RevueJournal of Clinical Oncology · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueFamily Support in Illness
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésSurvivorship curveMedicinePsychosocialCancer survivorshipScope (computer science)Scope of practiceFamily medicineGerontologyNursingCancerHealth carePsychiatry

Résumé

récupéré en direct d'OpenAlex

e17007 Background: Our institution receives approximately 700 new patients with head and neck cancer (HNC) annually. A need was identified to develop, provide and evaluate services for the unique needs of HNC patients and their families. Methods: A dual leadership model was established, involving two HNC specialists: an advanced practice nurse and a radiation oncologist. After a literature search and environmental survey, we contacted identified H&N survivorship programs. Internal participants were identified from the HNC clinical team and existing institutional survivorship program. We established interdisciplinary Steering (focused on development and oversight of clinical & education programs) and Research (tasked with assessing needs and outcomes) committees. We sought consensus on program principles, scope, a definition of survivorship, and a theoretical model of the HNC journey. A half-day retreat including community partners and patient/family representatives was held to set 5-year priorities. Results: Little published literature on survivorship initiatives specific to HNC exists. Three HNC survivorship clinical or research programs were identified; the largest (established in 2009) was visited, while telephone contact was made with investigators at the others. Principles guiding program development included interdisciplinary collaboration, grass-roots expertise, and a holistic scope. We defined survivors as all HNC patients and their families, from diagnosis through death. Program scope includes physical, emotional, social, financial, functional and psychosocial needs. A theoretical map of the cancer journey and evolving challenges was developed. The retreat included 50 participants, representing 20 different roles. We identified these top priorities: 1) Establish a post-treatment team; 2) Make survivorship a (mandatory) standard of care; 3) Optimize patient navigation; 4) Match services to specific patient groups (eg. men); 5) Expand access to allied health services; and 6) Develop a clinical care pathway. Conclusions: Survivorship is a complex and evolving area of research and care delivery. A team-based, comprehensive approach has been developed to address the needs of the highly specialized HNC population.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,003

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 Opus0,191
Tête enseignante GPT0,505
Écart entre enseignants0,314 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetFamily Support in IllnessTravaux en français237 207