Risk Stratification and Cancer Follow-Up: Towards More Personalized Post-Treatment Care in Canada
Notice bibliographique
Résumé
After treatment, cancer survivors require ongoing, comprehensive care to improve quality of life, reduce disability, limit complications, and restore function. In Canada and internationally, follow-up care continues to be delivered most often by oncologists in institution-based settings. There is extensive evidence to demonstrate that this model of care does not work well for many survivors or our cancer systems. Randomized controlled trials have clearly demonstrated that alternate approaches to follow-up care are equivalent to oncologist-led follow-up in terms of patient outcomes, such as recurrence, survival, and quality of life in a number of common cancers. In this paper, we discuss the state of follow-up care for survivors of prevalent cancers and the need for more personalized models of follow-up. Indeed, there is no one-size-fits-all solution to post-treatment follow-up care, and more personalized approaches to follow-up that are based on individual risks and needs after cancer treatment are warranted. Canada lags behind when it comes to personalizing follow-up care for cancer survivors. There are many reasons for this, including difficulty in determining who is best served by different follow-up pathways, a paucity of evidence-informed self-management education and supports for most survivors, poorly developed IT solutions and systems, and uneven coordination of care. Using implementation science theories, approaches, and methods may help in addressing these challenges and delineating what might work best in particular settings and circumstances.
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 | 0,011 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».