MétaCan
Menu
Retour à la cohorte
Enregistrement W4225264047 · doi:10.1016/j.ctarc.2022.100557

How well do European patients understand cancer-associated thrombosis? A patient survey

2022· review· en· W4225264047 sur OpenAlexaff
Anna Falanga, Charis Girvalaki, Manuel Monréal, Jacob C. Easaw, Annie Young

Notice bibliographique

RevueCancer Treatment and Research Communications · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueVenous Thromboembolism Diagnosis and Management
Établissements canadiensAlberta Cancer FoundationUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerThrombosisPsychological interventionMEDLINEFamily medicineIntensive care medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Ongoing concerns regarding the morbidity and mortality from cancer-associated thrombosis led the European Cancer Patient Coalition (ECPC), the voice of cancer patients across Europe, to create a pan-European cancer-associated awareness patient survey to assess cancer-associated thrombosis (CAT) knowledge among a large population of patients with cancer. The ECPC survey represents the largest of its kind among patients/caregivers with CAT. It identified significant gaps in patient awareness and knowledge of CAT as well as a need for educational CAT-related discussions and interventions between healthcare professionals and patients with cancer and their caregivers. The aim of this paper is to highlight these gaps and to provide awareness of what/when information should be shared with patients/caregivers. Notably, the importance of providing information on how to reduce their risk of CAT, the role of anticoagulant prophylaxis and treatment (short- and long-term) including possible side-effects, and finally how to identify CAT symptoms early. Here we outline what type of information should be provided, as well as when and how to best discuss CAT with our oncology patients and their caregivers along the cancer care continuum, to reduce the risk of CAT and associated complications with a goal of improving patient outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,415
Tête enseignante GPT0,478
Écart entre enseignants0,064 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Treatment and Research CommunicationsMême sujetVenous Thromboembolism Diagnosis and ManagementTravaux en français237 207