Treat patient, not just the disease: holistic needs assessment for haematological cancer patients
Notice bibliographique
Résumé
Haematological malignancies can have devastating effects on the patients' physical, emotional, psycho-sexual, educational and economic health. With the improvement of therapies patients with these malignancies are living longer, however significant proportion these patient show poor quality of life (QoL) due to various physical and psychological consequences of the disease and the treatments. Health-related QoL (HRQoL) is multi-dimensional and temporal, relating to a state of functional, physical, psychological and social/family well-being. Compared with the general population, HRQoL of these patients is worse in most dimensions. However without routine holistic need assessment (HNA), clinicians are unlikely to identify patients with clinically significant distress. Surviving cancer is a chronic life-altering condition with several factors negatively affecting their QoL, such as psychological problems, including depression and excessive fear of recurrence, as well as social aspects, such as unemployment and social isolation. These need to be adequately understood and addressed in the healthcare of long-term survivors of haematological cancer. Applying a holistic approach to patient care has many benefits and yet, only around 25% of cancer survivors in the UK receive a holistic needs assessment. The efforts of the last decade have established the importance of ensuring access to psychosocial services for haematological cancer survivors. We need to determine the most effective practices and how best to deliver them across diverse settings. Distress, like haematological cancer, is not a single entity, and one treatment does not fit all. Psychosocialoncology needs to increase its research in comparative effectiveness.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».