MétaCan
Menu
Retour à la cohorte
Enregistrement W3026291490 · doi:10.1188/20.cjon.s1.32-41

Supportive Care and eHealth: A Narrative Review of Technologies, Interventions, and Opportunities for Optimizing Care in Patients With Cancer

2020· review· en· W3026291490 sur OpenAlexaff
Kristen R. Haase, Amanda Drury, Martine Puts

Notice bibliographique

RevueClinical journal of oncology nursing · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of TorontoUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-cléseHealthMedicineNarrativePsychological interventionNarrative reviewNursingCancerHealth careIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cancer can be distressing for patients and families. eHealth interventions have the potential to lessen this distress by creating opportunities for providing supportive care resources to patients at home. OBJECTIVES: This article reviews supportive care eHealth interventions in cancer and emerging opportunities to optimize these interventions for diverse populations across the cancer trajectory. METHODS: A narrative literature review was conducted to evaluate eHealth supportive care for patients with cancer, including effective interventions, accessibility and interactivity issues, patient-reported outcomes, and strategies to improve care for older adults. FINDINGS: To ensure that patients with cancer and their family members benefit from supportive care eHealth interventions, nurses need to understand how to leverage such interventions to improve 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,218
Tête enseignante GPT0,522
Écart entre enseignants0,303 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical journal of oncology nursingMême sujetCancer survivorship and careTravaux en français237 207