Emotions and lung cancer screening: Prioritising a humanistic approach to care
Notice bibliographique
Résumé
Low-dose computed tomography lung cancer screening has mortality benefits. Yet, uptake has been low. To inform strategies to better deliver and promote screening, in 2018, we interviewed 27 long-term smokers immediately following lung cancer screening in Australia, prior to receiving scan results. Existing lung screening studies employ the Health Belief Model. Reflecting growing acknowledgement of the centrality of emotions to screening uptake, we draw on psychological and sociological theories on emotions to thematically and abductively analyse the emotional dimensions of lung cancer screening, with implications for screening promotion and delivery. As smokers, interviewees described feeling stigmatised, with female participants internalising and male participants resisting stigma. Guilt and fear related to lung cancer were described as screening motivators. The screening itself elicited mild positive emotions. Notably, interviewees expressed gratitude for the care implicitly shown through lung screening to smokers. More than individual risk assessment, findings suggest lung screening campaigns should prioritise emotions. Peer workers have been found to increase cancer screening uptake in marginalised communities, however the risk to confidentiality-especially for female smokers-limits its feasibility in lung cancer screening. Instead, we suggest involving peer consultants in developing targeted screening strategies that foreground emotions. Furthermore, findings suggest prioritising humanistic care in lung screening delivery. Such an approach may be especially important for smokers from low socioeconomic backgrounds, who perceive lung cancer screening and smoking as sources of stigma and face a higher risk of dying from lung cancer and lower engagement with screening.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».