What are the impacts of oral complications from cancer therapy on the quality of life of children? A protocol to update a scoping review
Notice bibliographique
Résumé
Abstract Introduction Cancer treatments can damage healthy tissues and organs, and leave harmful impacts on cancer survivors, especially on children and adolescents. The oral effects of cancer treatment can occur during or soon after treatment, or months – even years – later. Cancer treatments can also affect the child, psychologically and socially by hindering their speech, eating, sleeping, and social interactions. These effects can have profound impacts on children’s quality of life. Building on a previous review published in 2012, this scoping review aims to identify and map the current evidence base underpinning the oral health-related impacts of cancer treatment on the quality of life of children with cancer. Methodology and methods Our methodology is guided by Arksey and O’Malley’s methodological framework for scoping reviews, Levac’s additions to the framework, and follows the Joanna Briggs Institute Reviewer’s Manual. Five electronic databases and grey literature will be systematically searched using a predefined search strategy. Two reviewers will independently screen the retrieved articles using Rayyan software and chart data from included articles. One of the team’s senior research members will act as a third reviewer and make the final decision on disputed documents. We will include literature with a focus on oral health-related quality of life of children undergoing cancer treatments. Following the selection of studies, data will be extracted, synthesized, and reported thematically and the relevant stakeholder’s insight will be added to our results. Ethics and dissemination No ethical approval is required as exclusively secondary data will be used. Results will be disseminated in cancer and oral health conferences, symposia, and a peer-reviewed journal. The information extracted from this review will also be the base for a qualitative study on the quality-of-life impacts of oral health effects of childhood cancer including children’s perspectives.
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 | 0,163 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,015 | 0,020 |
| Bibliométrie | 0,026 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,012 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,012 |
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 ».