MétaCan
Menu
Retour à la cohorte
Enregistrement W3030852181 · doi:10.1186/s13104-020-05099-x

Care transition from hospital to home: cancer patients’ perspective

2020· article· en· W3030852181 sur OpenAlexaff
Elisiane Lorenzini, Julia Estela Willrich Böell, Nelly D. Oelke, Caroline Donini Rodrigues, Letícia Flores Trindade, Vanessa Dalsasso Batista Winter, Michelle Mariah Malkiewiez, Gabriela Ceretta Flôres, Pâmella Pluta, Adriane Cristina Bernat Kolankiewicz

Notice bibliographique

RevueBMC Research Notes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésMedicineComplaintResidenceCancerMarital statusMinimum Data SetHospital readmissionEmergency medicineFamily medicineInternal medicineDemographyNursingPopulation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The present database contains information on sociodemographic and clinical data as well as data from the Care Transition Measure (CTM 15-Brazil) of cancer patients undergoing clinical or surgical treatment. Data collection was carried out 7 to 30 days after patients' hospital discharge from June to August 2019. Understanding these data can contribute to improving quality of care transitions and avoiding hospital readmissions. DATA DESCRIPTION: This data set encompasses 213 cancer patients characterized by the follow variables: gender, age range, place of residence, race, marital status, schooling, paid work activity, type of treatment, cancer staging, metastasis, comorbidities, main complaint, main complaint grouped as, continuing medication, diagnosis, diagnosis grouped as, cancer type, year of diagnosis, oncology treatment, first hospitalization, readmission in the last 30 days, number of hospitalizations in the last 30 days, readmission in the last 6 months, number of hospitalizations in the last 6 months, readmission in the last year, number of hospitalizations in the last year and the questions 1-15 from CTM 15-Brazil.

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 enseignants0,276
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,090
Tête enseignante GPT0,394
Écart entre enseignants0,305 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetCancer survivorship and careTravaux en français237 207