Coping during COVID-19: a mixed methods study of older cancer survivors
Notice bibliographique
Résumé
PURPOSE: Older cancer survivors are among the most vulnerable to the negative effects of COVID-19 and may need specific survivorship supports that are unavailable/restricted during the pandemic. The objective of this study was to explore how older adults (≥ 60 years) who were recently (≤ 12 months) discharged from the care of their cancer team were coping during the pandemic. METHODS: We used a convergent mixed method design (QUAL+quan). Quantitative data were collected using the Brief-COPE questionnaire. Qualitative data were collected using telephone interviews to explore experiences and strategies for coping with cancer-related concerns. RESULTS: The mean sample age (n = 30) was 72.1 years (SD 5.8, range 63-83) of whom 57% identified as female. Participants' Brief-COPE responses indicated that they commonly used acceptance (n = 29, 96.7%), self-distraction (n = 28, 93.3%), and taking action (n = 28, 93.3%) coping strategies. Through our descriptive thematic analysis, we identified three themes: (1) drawing on lived experiences, (2) redeploying coping strategies, and (3) complications of cancer survivorship in a pandemic. Participants' coping strategies were rooted in experiences with cancer, other illnesses, life, and work. Using these strategies during the pandemic was not new-they were redeployed and repurposed-although using them during the pandemic was sometimes complicated. These data were converged to maximize interpretation of the findings. CONCLUSIONS: Study findings may inform the development or enhancement of cancer and non-cancer resources to support coping, particularly using remote delivery methods within and beyond the pandemic. Clinicians can engage a strengths-based approach to support older cancer survivors as they draw from their experiences, which contain a repository of potential coping skills.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».