MétaCan
Menu
Retour à la cohorte
Enregistrement W2798252220 · doi:10.5430/jnep.v8n8p114

Patient and family management of mucositis in children and adolescents with Acute Lymphoblastic Leukemia undergoing chemotherapy in Qatar: A narrative review

2018· review· en· W2798252220 sur OpenAlexvenueno aff
Reni Anil, Vahe Kehyayan, Jessie Johnson

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueOral health in cancer treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMucositisMedicineChemotherapyIntensive care medicineNarrative reviewPediatricsSurgery

Résumé

récupéré en direct d'OpenAlex

Objective: Currently oral mucositis in children and adolescents is a growing concern and requires emphasis on dental care, initial and ongoing assessment of the oral cavity, oral care, tooth brushing and oral rinses, as well as pain management. The purpose of this narrative review is to highlight the need and to outline the importance of assessment, treatment and care of children and adolescents while they go through chemotherapy treatments. It is during this treatment that oral mucositis is most prevalent due to the breakdown of rapidly dividing cells.Methods: Narrative review.Results: Providing planned mouth care education to patients and parents is useful in preventing and managing oral mucositis.Conclusions: Oral mucositis affects more than 75% of children and adolescents undergoing chemotherapy and places a significant burden on patients and caregivers. Severity of oral mucositis can range from mild, painless tissue changes to bleeding ulcerations that may prevent oral intake of nutrients and require narcotic analgesics to control associated pain. Oral mucositis also leads to an increased risk of infection and often delays further chemotherapy regimens. The peer reviewed literature supports structured patient and family education.

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)0,001
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,435
Écart entre enseignants0,390 · 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
GenreSynthèse

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

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetOral health in cancer treatmentTravaux en français237 207