When risk becomes illness: The personal and social consequences of cervical intraepithelial neoplasia medical surveillance
Notice bibliographique
Résumé
BACKGROUND: After the early detection of cervical intraepithelial neoplasia (CIN), medical surveillance of the precancerous lesions is carried out to control risk factors to avoid the development of cervical cancer. OBJECTIVE: To explore the effects of medical surveillance on the personal and social lives of women undergoing CIN follow-up and treatment. METHODOLOGY: A generic qualitative study using a poststructuralist perspective of risk management was carried out in a gynecology clinic in a public hospital of the Galician Health Care System (Spain). Participants were selected through purposive sampling. The sample consisted of 21 women with a confirmed diagnosis of CIN. Semistructured interviews were recorded and transcribed, and a thematic analysis was carried out, including researcher triangulation to verify the results of the analysis. FINDINGS: Two main themes emerged from the participants' experiences: CIN medical surveillance encounters and risk management strategies are shaped by the biomedical discourse, and the effects of "risk treatment" for patients include (a) profound changes expected of patients, (b) increased patient risk management, and (c) resistance to risk management. While doctors' surveillance aimed to prevent the development of cervical cancer, women felt they were sick because they had to follow strict recommendations over an unspecified period of time and live with the possibility of a life-threatening disease. Clinical risk management resulted in the medicalization of women's personal and social lives and produced great uncertainty. CONCLUSIONS: This study is the first to conceptualize CIN medical surveillance as an illness experience for patients. It also problematizes the effects of preventative practices in women's lives. Patients deal with great uncertainty, as CIN medical surveillance performed by gynecologists simultaneously trivializes the changes expected of patients and underestimates the effects of medical recommendations on patients' personal wellbeing and social relations.
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 | 0,005 | 0,012 |
| 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 | 0,007 | 0,012 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».