MétaCan
Menu
Retour à la cohorte
Enregistrement W4303629001 · doi:10.3390/curroncol29100577

The Association between Survivorship Care Plans and Patient-Reported Satisfaction and Confidence with Follow-Up Cancer Care Provided by Primary Care Providers

2022· article· en· W4303629001 sur OpenAlexaffvenueabout
Alanna Chu, Brittany Mutsaers, Sophie Lebel

Notice bibliographique

RevueCurrent Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSurvivorship curveMedicineFamily medicineMultinomial logistic regressionOdds ratioPrimary careLogistic regressionGeneral partnershipCancerNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Survivorship care plans aim to facilitate a smooth transition from tertiary to primary care settings after primary cancer treatment is completed. This study sought to identify the sociodemographic factors associated with receiving a survivorship care plan and examine the relationship between receiving a plan and confidence in follow-up care delivered by primary care providers. A cross-sectional analysis of the Canadian Partnership Against Cancer's Experiences of Cancer Patients in Transition Study was conducted (n = 9970). Separate adjusted multinomial logistic regression models assessed the relationship between survivorship care plans and follow-up care outcomes. Proportion of survivors more likely to receive a survivorship care plan varied by numerous sociodemographic and medical factors, such as cancer type (colorectal and prostate), gender (male), and education (high school or less). In unadjusted and adjusted models, individuals who received a Survivorship Care Plan had significantly higher odds of: having felt their primary care providers were involved; agreeing that their primary care providers understood their needs, knew where to find supports and services, and were able to refer them directly to services; and were confident that their primary care provider could meet their follow-up care needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,031
Tête enseignante GPT0,314
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetCancer survivorship and careTravaux en français237 207