MétaCan
Menu
Retour à la cohorte
Enregistrement W4386449244 · doi:10.1016/j.apjon.2023.100306

Toward a holistic understanding of cancer cachexia: Application of the human response to illness model

2023· article· en· W4386449244 sur OpenAlexaff
Susan McClement

Notice bibliographique

RevueAsia-Pacific Journal of Oncology Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of ManitobaResearch Manitoba
Organismes subventionnairesHelsinn
Mots-clésCachexiaCancer cachexiaMedicineClinical PracticeCancerExperiential avoidanceIntervention (counseling)Experiential learningIntensive care medicineCancer treatmentPsychotherapistPsychologyNursingPsychiatryAnxietyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cachexia is a commonly presenting multidimensional syndrome in individuals living with advanced cancer. Given its prevalence of between 50% and 80%, nurses are going to encounter individuals manifesting ongoing loss of skeletal muscle mass (with or without loss of fat mass) that can be partially but not entirely reversed by conventional nutritional support. Thus nurses require a comprehensive understanding of this complex clinical problem. Research suggests, however, that nurses receive minimal education about cachexia or its management. Limited understanding undermines the ability to confidently care for patients with cachexia and their families, thereby hampering effective practice. The human response to illness model provides nurses with an organizing framework to guide and make sense of their assessments in clinical practice when caring for patients with cancer cachexia and provides direction for appropriate intervention. This article illustrates the integration of the human response to illness model to clinical practice, thereby assisting nurses to develop a comprehensive understanding of the physiological, pathophysiological, behavioral, and experiential facets of cachexia in advanced cancer patients. Contemporary areas of further interest and research will be presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

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

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 Opus0,205
Tête enseignante GPT0,469
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia-Pacific Journal of Oncology NursingMême sujetNutrition and Health in AgingTravaux en français237 207