NURS-03. DEVELOPMENT OF A NEURO-ONCOLOGY LONG TERM FOLLOW UP NURSE CLINICIAN AT A TERTIARY HEALTH CARE CENTER
Notice bibliographique
Résumé
Brain tumours are the second most common malignancy in childhood. With advances in treatment overall survival is around 70% increasing to 80-90% for low grade tumours. Many of these survivors have significant long term health risks and late effects from therapy; including neurocognitive deficits, endocrine dysfunction and hearing loss adding unique challenges in providing follow up and education to prepare the survivor for transition. At our center we currently follow approximately 90 brain tumour survivors in our long term follow up (LTFU) clinic, as more children survive their disease this number will only increase with time. Historically these patients have been seen in a multidisciplinary clinic with the Neuro-Oncology nurse clinician (NONC) as the point person for the families. The NONC was responsible for all on treatment patients, palliative care, patients off treatment for less than two years and long term survivors. It was well recognised that the LTFU patients were not being adequately cared for given the acuity and high needs of the other patients. With the development of the NOLTFNC brain tumour survivors now have a dedicated clinician who is responsible for providing support, coordinating care, educating survivors and families about late effects and transitioning patients. The NOLTFNC has been in place for 18 months and we plan to evaluate the impact of this role on survivors and their families by asking them to fill out a questionnaire. The goal being to improve services as we move forward in providing LTFU care and preparing survivors for transition.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,192 | 0,072 |
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 ».