Figure it out on your own: a mixed-method study on pelvic health survivorship care after gynecologic cancer treatments
Notice bibliographique
Résumé
PURPOSE: Pelvic health issues after treatment for gynecological cancer are common. Due to challenges in accessing physiotherapy services, exploring virtual pelvic healthcare is essential. This study aims to understand needs, preferences, barriers, and facilitators for a virtual pelvic healthcare program for gynecological cancer survivors. METHODS: A multi-center, sequential mixed-methods study was conducted. An anonymous online survey (N=50) gathered quantitative data on pelvic health knowledge, opportunities, and motivation. Focus groups (N=14) explored patient experiences and consensus on pelvic health interventions and virtual delivery. Quantitative data used descriptive statistics, and focus group analyses employed inductive thematic analysis. Findings were mapped to the capability, opportunity, and motivation (COM-B) behavior change model. RESULTS: Participants reported lacking knowledge about pelvic health interventions and capability related to the use of vaginal dilators and continence care. Barriers to opportunity included lack of healthcare provider-initiated pelvic health discussions, limited time in clinic with healthcare providers, finding reliable information, and cost of physical therapy pelvic health services. Virtual delivery was seen favorably and may help to address motivational barriers related to embarrassment and frustration with care. CONCLUSION: Awareness of pelvic healthcare is lacking among people treated for gynecological cancer. Virtual delivery of pelvic health interventions is perceived as a solution to enhance access while minimizing travel, cost, embarrassment, and exposure risks. IMPLICATIONS FOR CANCER SURVIVORS: A better understanding of the pelvic health needs of individuals following gynecological cancer treatments enables the development of tailored virtual pelvic health rehabilitation interventions which may improve access to pelvic health survivorship care.
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 | 0,014 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».