Patients’ experiences undergoing cancer surgery during the COVID-19 pandemic: a qualitative study
Notice bibliographique
Résumé
Abstract Purpose: This study aimed to understand patients’ experiences undergoing cancer surgery during the COVID-19 pandemic. In response to COVID-19, many elective cancer surgeries were delayed creating a massive backlog of cases. Patients’ experiences with surgical delays may inform healthcare systems’ responses to the backlog of cases and guide preparations for future healthcare emergencies. Methods: This was a qualitative description study. Patients undergoing general surgery for cancer at two university-affiliated hospitals between March 2020 and January 2021 were invited to one-to-one interviews. Patients were purposefully selected using quota sampling until interviews produced no new information (i.e., thematic saturation). Interviews were conducted using a semi-structured guide and analyzed according to inductive thematic analysis. Results: Twenty patients were included [mean age 64±12.9; male (n=10); surgical delay (n=14); cancer sites: breast (n=8), skin (n=4), hepato-pancreato-biliary (n=4), colorectal (n=2), and gastro-esophageal (n=2)]. When determining their willingness to undergo surgery, patients weighed the risk of COVID-19 infection against the urgency of their disease. Changes to the hospital environment (e.g., COVID-19 preventative measures) and deviations from expected treatment (e.g., alternative treatments, remote consultations, rescheduled care) caused diverse psychological responses, ranging from increased satisfaction to severe distress. Patients employed several coping strategies to mitigate distress, including eliciting reassurance from care providers, seeking information from unconventional sources, and reframing care interruptions. Conclusions: Changes in care during the pandemic elicited diverse psychological responses from patients undergoing cancer surgery. Coping was facilitated by consistent communication with providers, emphasizing the importance of patient-centered expectation setting as we prepare for the future within and beyond the pandemic.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».