Measuring what gets done: Using goal attainment scaling in a vocational counseling program for survivors of childhood cancer
Notice bibliographique
Résumé
BACKGROUND: Childhood cancer survivors face education and employment challenges due to physical, cognitive, and psychosocial effects of the disease and treatments, with few established programs to assist them. The objectives of this study were to describe the implementation of Goal Attainment Scaling (GAS) to evaluate an educational and vocational counseling program established for survivors of childhood cancer, and analyze patterns of program engagement and client outcomes, stratified by demographic and diagnostic characteristics. METHODS: A population-based retrospective cohort study of childhood cancer survivors who were engaged with the Pediatric Oncology Group of Ontario's School and Work Transitions Program (SWTP) between January 2015 and December 2018 was utilized. Survivors were followed from SWTP engagement until May 30, 2019 to capture goal attainment. Individual goals were summarized across various demographic, disease, and treatment strata. RESULTS: In total, 470 childhood cancer survivors (median age = 17.9, 58% male) set 4,208 goals in the SWTP during the study period. The mean length of observation was 130.8 weeks (SD = 56.9). Overall, 68% of the goals were achieved. Eighty-three percent of the goals related to further education. Clients diagnosed with a solid tumor set the most goals on average, followed by those with central nervous system tumors and leukemia/lymphoma. CONCLUSIONS: The SWTP assists childhood cancer survivors in realizing their academic and vocational goals. Application of GAS in this setting is a feasible way to evaluate program outcomes. From the volume and breadth of the GAS goals set and achieved, the overall success of the SWTP appears strong.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».