Notice bibliographique
Résumé
Y ou are called to the Emergency Department to assess a 63-year-old man with acute onset of shortness of breath.He has no known health conditions but has a 40 pack-year smoking history.He thinks that he may have the flu since his wife was just recovering from flu-like symptoms.He has not seen a healthcare provider in quite some time and this is his first visit to the hospital.Following some initial workup and imaging which showed a collapsed right lung, a chest CT scan was ordered which revealed metastatic lung cancer.As the physician, how would you approach informing the patient of his diagnosis?Bad news can be defined as any information that can drastically and negatively change a person's expectations or views about their future. 1While typical examples of bad news in the medical context include the diagnosis of terminal illness, it is important to step back and consider a wide spectrum of physical, emotional, social, and occupational factors that may impact a patient and thus could be considered bad news for that individual or their family. 1reaking bad news is a difficult and complex communication skill to acquire yet one that is essential for physicians.How bad news is delivered can have tremendous implications not just for patients and their families, but also for the physician.Developing this communication skill requires practice, self-reflection, and flexibility to adapt one's approach according to a given situation as well as to patient preferences, behavior, and understanding.While the focus of this article is on physicians, we acknowledge that other health care professionals are also frequently involved in such discussions and hence may also benefit from this article. 2
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 | 0,016 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,015 |
| Communication savante | 0,018 | 0,021 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,016 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,008 |
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 ».