MétaCan
Menu
Retour à la cohorte
Enregistrement W4386800653 · doi:10.1093/neuonc/noad147.048

AN ANALYSIS OF THE EFFECTIVENESS OF CURRENT PROVISION OF FATIGUE MANAGEMENT STRATEGIES WITHIN A NEURO-ONCOLOGY MDT CLINIC

2023· article· en· W4386800653 sur OpenAlexaff
Olivia Africa, Rebecca Clark, Bethany Sellwood

Notice bibliographique

RevueNeuro-Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineCancer-related fatiguePsychological interventionRehabilitationQuality of life (healthcare)Physical therapyIntervention (counseling)CancerInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Abstract AIMS Cancer-related fatigue (CRF) is known to have a distressing impact on a patient’s function and quality of life, with as many as 9 out of 10 people with cancer (90%) experiencing CRF (Macmillan 2021). Management of CFR for patients with a Glioblastoma diagnosis is additionally complex given associated neurological affect. Physiotherapy and Occupational Therapy (PT & OT) have an important role addressing CRF through interventions such as, graded exercise programmes, fatigue education, self-management strategies, cognitive rehab and sleep hygiene advice. Intervention varies depending on when the patient is being referred or logistics of the clinic setting. METHOD A 12-month review of the OT & PT caseload (January 2022 – December 2022) is under evaluation to establish the number of patients reporting CRF at initial assessment or at follow up review. Clinic notes of patients reporting CRF have been reviewed to determine the oncological treatment time point that CRF was identified – pre, mid or post treatment. Data collection also includes patient and clinical characteristics, and the rehabilitation intervention type offered correlated to treatment phase. RESULTS 49 datasets are under evaluation, with the key aims to explore 1) the prevalence of CRF in patients referred to the Cancer Specialist OT and PT team, 2) correlation of reporting’s of CRF with treatment phase 3) the Rehabilitation Treatment Taxonomy deployed in the management of CRF. CONCLUSIONS Our evaluation will explore patients CRF needs and how they may change through the treatment pathway, leading to future recommendations for service quality improvement and implementation change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,048
Tête enseignante GPT0,393
Écart entre enseignants0,345 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetCancer survivorship and careTravaux en français237 207