Adolescent and Young Adult Perspectives on Challenges and Improvements to Cancer Survivorship Care: How Are We Doing?
Notice bibliographique
Résumé
Purpose: The purpose was to review main challenges experienced by adolescent and young adult (AYA) cancer survivors (18–34 years) during transition to survivorship and their suggestions regarding improvements needed in care. Methods: A national survey was conducted to identify experiences with follow-up care 1–3 years after cancer treatment. The survey included open-ended questions for respondents to add topics of importance and details for deeper insight. This study presents analysis of open-ended questions about main challenge faced by AYA respondents and their suggestions for improvements in care. Results: Of 575 AYA survey respondents, 497 (86.4%) commented regarding main challenges. Twenty-one indicated that they had no challenges. Of those reporting challenges, 209 (43.9%) named one challenge, 267 (56.1%) identified more than one. In total, 955 challenges were identified with the most frequently cited being physical ( n = 462, 48.4%) and psychological ( n = 234, 24.5%). A total of 391 survivors wrote 679 suggestions about improvements in care with the majority ( n = 248, 69.4%) offering more than one. The most frequently cited suggestions included information/communication ( n = 191, 29.8%), naming a range of topics for which information was desired, and access to post-treatment therapies/services ( n = 164, 25.5%) such as counseling, physiotherapy, and occupational therapy. The overarching theme was, “I need follow-up care that fits me.” Conclusions: AYA cancer survivors are diverse and face unique challenges following treatment, which can have life-long implications and impede their recovery. Personalized follow-up care is highly recommended by these survivors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».