MétaCan
Menu
Retour à la cohorte
Enregistrement W2942522525 · doi:10.1097/sga.0000000000000390

Attitudes About Coping With Fatigue in Patients With Gastric Cancer

2019· article· en· W2942522525 sur OpenAlexaff
Eun Ja Yeun, Misoon Jeon

Notice bibliographique

RevueGastroenterology Nursing · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensEmergent BioSolutions (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)MedicineCancer-related fatiguePsychological interventionClinical psychologyCancerPhysical therapyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cancer-related fatigue is the most common symptom in patients with cancer. Coping methods for cancer-related fatigue differ from those of patients without cancer, as the situations faced by patients with cancer are unique. This study aimed to identify subjectivity concerning coping with fatigue in Korean patients with gastric cancer. Q-methodology was used to examine subjective perceptions regarding coping with fatigue among Korean patients with gastric cancer. A convenience sample of 33 participants, who had been hospitalized in 2 university hospitals in South Korea, was recruited to participate in the study and 37 selected Q-samples were classified into a normal forced distribution using a 9-point bipolar grid. The obtained data were analyzed by using PC-QUANL for Windows. Three factors representing distinct attitudes about coping with fatigue emerged among Korean patients with gastric cancer: an optimistic mind, dependency on medicine, and exercise preference. The 3 factors explained 39.4% of the total variance (23.7%, 7.9%, and 7.8%, respectively). Based on the study findings, it is important to develop customized nursing interventions that consider the characteristics of each patient group with gastric cancer. Health professionals should assess the attitudes of patients with gastric cancer about coping with fatigue, explore their situation, and consider their lifestyle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGastroenterology NursingMême sujetCancer survivorship and careTravaux en français237 207