A new landscape in illness uncertainty: A systematic review and thematic synthesis of the experience of uncertainty in patients with advanced cancer receiving immunotherapy or targeted therapy
Notice bibliographique
Résumé
OBJECTIVE: Over the past 20 years, immunotherapy and targeted therapy (TT) have been extending the life expectancy and providing hope for a growing number of patients with advanced and metastatic cancer. However, the efficacy, side effects, and overall prognosis of these treatments are highly unpredictable. Recent research suggests that these patients may be experiencing significant uncertainty which impacts their functioning. This study reviewed the literature on the experiences of uncertainty for individuals with advanced or metastatic cancer patients who are receiving immunotherapy or TT. METHOD: A systematic literature review was conducted. Data was extracted from studies by pairs of reviewers. Literature quality was appraised using the Critical Appraisal Skills Program checklist. Following data extraction, thematic synthesis was used to summarize findings across studies and generate overarching themes. RESULTS: Fifteen qualitative studies were included. Findings highlighted impacts of various sources of uncertainty (financial, emotional, social), unmet needs related to uncertainty (practical, informational, communication), and recommendations for the management of uncertainty. Clinical implications and study limitations were indicated. CONCLUSIONS: Findings were situated within Mishel's Uncertainty in Illness Theory and the literature on supportive care for advanced cancer populations. Recommendations related to improving healthcare provider communication and balancing hope and expectations for treatment outcomes were highlighted. Further research is needed to investigate experiences of uncertainty in this population. Tailored interventions for uncertainty may be warranted.
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 | 0,027 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,017 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».