Personalizing Post-Treatment Cancer Care: A Cross-Sectional Survey of the Needs and Preferences of Well Survivors of Breast Cancer
Notice bibliographique
Résumé
Background: Improved treatments resulting in a rising number of survivors of breast cancer (bca) calls for optimization of current specialist-based follow-up care. In the present study, we evaluated well survivors of bca with respect to their supportive care needs and attitudes toward follow-up with various care providers, in varying settings, or mediated by technology (for example, videoconference or e-mail). Methods: A cross-sectional paper survey of well survivors of early-stage pT1–2N0 bca undergoing posttreatment follow-up was completed. Descriptive and univariable logistic regression analyses were performed to examine associations between survivor characteristics, supportive care needs, and perceived satisfaction with follow-up options. Qualitative responses were analyzed using conventional content analysis. Results: The 190 well survivors of bca who participated (79% response rate) had an average age of 63 ± 10 years. Median time since first follow-up was 21 months. Most had high perceived satisfaction with in-person specialist care (96%, 177 of 185). The second most accepted model was shared care involving specialist and primary care provider follow-up (54%, 102 of 190). Other models received less than 50% perceived satisfaction. Factors associated with higher perceived satisfaction with non-specialist care or virtual follow-up by a specialist included less formal education (p < 0.01) and more met supportive care needs (p < 0.05). Concerns with virtual follow-up included the perceived impersonal nature of virtual care, potential for inadequate care, and confidentiality. Conclusions: Well survivors of bca want specialists involved in their follow-up care. Compared with virtual followup, in-person follow-up is perceived as more reassuring. Certain survivor characteristics (for example, met supportive care needs) might signal survivor readiness for virtual or non-specialist follow-up. Future work should examine multi-stakeholder perspectives about barriers to and facilitators of shared multimodal follow-up care.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».