A national study of the unmet needs of support persons of haematological cancer survivors in rural and urban areas of Australia
Notice bibliographique
Résumé
PURPOSE: This study aimed to compare support persons of haematological cancer survivors living in rural and urban areas in regard to the type, prevalence and factors associated with reporting unmet needs. METHODS: One thousand and four (792 urban and 193 rural) support persons of adults diagnosed with haematological cancer were recruited from five Australian state population-based cancer registries. Participants completed the Support Person Unmet Needs Survey (SPUNS) that assessed the level of unmet needs experienced over the past month across six domains. RESULTS: Overall, 66% of support persons had at least one 'moderate, high or very high' unmet need and 24% (n = 182) reported having multiple (i.e. 6 or more) 'high/very high' unmet needs in the past month. There were no significant differences between rural and urban support persons in the prevalence of multiple unmet needs or mean total unmet needs scores. There were however significant differences in the types of 'high/very high' unmet needs with support persons living in rural areas more likely to report finance-related unmet needs. Support persons who indicated they had difficulty paying bills had significantly higher odds of reporting multiple 'high/very high' unmet needs. CONCLUSIONS: This is the first large, population-based study to compare the unmet needs of support persons of haematological cancer survivors living in rural and urban areas. Findings confirm previous evidence that supporting a person diagnosed with haematological cancer correlates with a high level of unmet needs and highlight the importance of developing systemic strategies for assisting support persons, especially in regard to making financial assistance and travel subsidies known and readily accessible to those living in rural areas.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».