Evaluation of a Nurse-led Aftercare Intervention for Patients with Head and Neck Cancer Treated with Radiotherapy and Cisplatin or Cetuximab
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The supportive needs for head and neck cancer (HNC) patients during the vulnerable period after treatment are not always met. Therefore, more professional support regarding physical, social, and psychological care as well as lifestyle is recommended.This study is an evaluation of a nurse-led aftercare intervention to support patients recovering from HNC treatment.Intervention group (IG) participants received 2 extra consultations from a nurse practitioner 3 and 9 months after treatment of HNC. A holistic conversational tool, the Self-Management Web, was developed to guide the nurse through the conversation. Primary outcomes were health-related quality of life (HRQoL) and quality of patient-centered care. A secondary outcome was self-management skills.Twenty-seven patients were included in the IG, and 28 were included in the control group. Differences in HRQoL and self-management between the IG and the control group were not statistically significant. For the IG, all domains of the Self-Management Web were perceived important and addressed by the nurse practitioner.This holistic nurse-led aftercare intervention was highly appreciated by HNC patients. Although the intervention met the need for support in recovery after treatment, it did not improve HRQoL or self-management skills.For both nurses and patients, the intervention is feasible and acceptable in daily practice. Self-management support for patients after their cancer treatment is of added value and has potential to improve the quality of regular follow-up 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découle