Implementing a nurse‐led screening clinic for symptom distress with community‐based referral for cancer survivors: A feasibility study
Notice bibliographique
Résumé
INTRODUCTION: This prospective, single-arm, pragmatic implementation study evaluated the feasibility of a nurse-led symptom-screening program embedded in routine oncology post-treatment outpatient clinics by assessing (1) the acceptance rate for symptom distress screening (SDS), (2) the prevalence of SDS cases, (3) the acceptance rate for community-based psychosocial support services, and (4) the effect of referred psychosocial support services on reducing symptom distress. METHODS: Using the modified Edmonton Symptom Assessment System (ESAS-r), we screened patients who recently completed cancer treatment. Patients screening positive for moderate-to-severe symptom distress were referred to a nurse-led community-based symptom-management program involving stepped-care symptom/psychosocial management interventions using a pre-defined triage system. Reassessments were conducted at 3-months and 9-months thereafter. The primary outcomes included SDS acceptance rate, SDS case prevalence, intervention acceptance rate, and ESAS-r score change over time. RESULTS: Overall, 2988/3742(80%) eligible patients consented to SDS, with 970(32%) reporting ≥1 ESAS-r symptom as moderate-to-severe (caseness). All cases received psychoeducational material, 673/970(69%) accepted psychosocial support service referrals. Among 328 patients completing both reassessments, ESAS-r scores improved significantly over time (p < 0.0001); 101(30.8%) of patients remained ESAS cases throughout the study, 112(34.1%) recovered at 3-month post-baseline, an additional 72(22%) recovered at 9-month post-baseline, while 43(12.2%) had resumed ESAS caseness at 9-month post-baseline. CONCLUSION: Nurse-led SDS programs with well-structured referral pathways to community-based services and continued monitoring are feasible and acceptable in cancer patients and may help in reducing symptom distress. We intend next to develop optimal strategies for SDS implementation and referral within routine cancer care services.
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 | 0,018 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».