The Cancer Survivorship Journey: Models of Care, Disparities, Barriers, and Future Directions
Notice bibliographique
Résumé
Although the number of long-term cancer survivors has increased substantially over past years, the journey of survivorship does not always include high-quality, patient-centered care. A variety of survivorship care models have evolved based on who provides this care, the survivor population, the site of care, and/or the capacity for delivering specific services. Other areas of survivorship care being explored include how long follow-up care is needed, application of a risk-based approach to survivorship care, and the role of the survivor in his or her own recovery. However, there is little evidence indicating whether any models improve clinical or patient-reported outcomes. A newer focus in survivorship care has included assessment of potential disparities; the sociodemographic characteristics of population subgroups associated with barriers to receiving high-quality cancer treatment may also affect the survivorship period. Developing policies and programs to address disparities in survivorship care is not simple, and examining how financial hardship affects cancer outcomes, reducing economic barriers to care, and increasing incorporation of patient-centered strategies may be important components. Here too, there is little evidence regarding the best strategies to address these disparities. Barriers to providing high-quality, patient-centered survivorship care include lack of evidence, lack of a trained survivorship workforce, lack of reimbursement structures/insurance coverage, and lack of a health care system that reduces fragmented care. Future research needs to focus on developing a survivorship care evidence base, exploring strategies to facilitate provision of survivorship care, and disseminating best survivorship care practices to diverse and international audiences.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 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 ».