Cancer patient perspectives during the COVID-19 pandemic: A thematic analysis of cancer blog posts
Notice bibliographique
Résumé
The content of online cancer patient blogs has previously been analyzed to inform physicians about the cancer experience and patient concerns. The coronavirus disease 2019 (COVID-19) pandemic has greatly affected cancer patients due to their vulnerable health status, as well as changes in cancer testing and treatment. We sought to qualitatively describe the concerns and experiences expressed online by cancer patients, survivors, and family members in relation to COVID-19. 152 blog posts written by cancer patients, survivors, or family members, were selected using combined Boolean searches and snowball sampling. Reviewers extracted subthemes from blog posts using line-by-line text analysis until a sufficient sample was achieved. Subthemes were hierarchically organized into major theme categories and illustrative quotations were identified. A total of 80 blog posts posted between January 20th and April 6th, 2020 were analyzed, revealing 23 subthemes. Major theme categories included: the direct and indirect impacts of COVID-19 on personal health and the health of others, comparisons between COVID-19 and the cancer experience, the impact of COVID-19 on social and psychological wellbeing, perspectives on government and the public response to COVID-19, and coping mechanisms and gratitude. COVID-19 has significantly affected cancer patients, survivors, and family members. Subthemes and quotations relating to perceived medical abandonment, patient mental health, and the impact of previous cancer trauma on the ability to cope with COVID-19 highlight the need for healthcare professionals to be cognizant of evolving patient concerns, so they may provide reassurance and appropriate care to their patients in these exceptional circumstances. Experience Framework This article is associated with the Patient, Family & Community Engagement lens of The Beryl Institute Experience Framework. (http://bit.ly/ExperienceFramework) Access other PXJ articles related to this lens. Access other resources related to this lens.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».