A Pan-Canadian Framework for Cancer Survivorship Research
Notice bibliographique
Résumé
Background and context: Across all cancer types, two-thirds of Canadians diagnosed with cancer today will survive long-term, reflecting great progress in cancer detection and treatment. Many survivors, however, will experience substantial and long-term impacts of their diagnosis and treatment. Within this context, the Canadian Cancer Research Alliance (CCRA) sought to inform the cancer research funding community on how, and what kinds of research are needed, to enable research that will make a difference to patients as they move from treatment to the posttreatment phase. Aim: To develop and implement a national framework and recommendations to enable coordinated and strategic action among cancer research funders that advances cancer survivorship research in Canada in ways that improve survivors' care and experiences. Strategy/Tactics: Multiple approaches were used to inform framework development: a strategic literature review; an analysis of cancer survivorship research funding from 2005-13; and an online survey and key informant interviews from the broader stakeholder community. An Expert Panel and Patient Advisory Committee were also engaged to provide guidance and feedback. Program/Policy process: Over the course of one year, the project team and a working group of CCRA members met regularly to steer framework development. This involved activities such as developing data collection approaches and tools, reviewing data and emerging findings, and translating findings into priority areas and recommendations. In total, > 200 Canadian and international stakeholders provided input through the survey and interviews. Outcomes: Released March 2017, the Pan-Canadian Framework for Cancer Survivorship Research provides four recommendations for cancer research funders: 1) ensure ongoing and meaningful involvement of cancer survivors; 2) align funding calls with existing needs and potential for impact; 3) create opportunities for the translation of research into practice and policy; and 4) build and maintain infrastructure and expertise to advance research. Specific research priorities were emphasized across three research domains: survivors' experiences and outcomes; late and long-term effects; and models of care. The priorities ranged from investigating the mechanisms of late/long-term effects to conducting intervention research to improve psychosocial outcomes, prevent and ameliorate late effects, and improve integration of follow-up care. What was learned: A broad range of stakeholders came together to develop a national framework to maximize the impact of shared targeted research investment in cancer survivorship research. Survivors' voices were key to agreeing on definitional issues of survivorship, identifying priority research areas, and ultimately lending credibility to the resulting framework. Implementation of the framework is the next step of work for CCRA members. Planning has commenced on identifying an initial priority for joint action.
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 | 0,104 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,019 | 0,032 |
| Études des sciences et des technologies | 0,030 | 0,054 |
| Communication savante | 0,026 | 0,015 |
| Science ouverte | 0,011 | 0,018 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».