A nurse-led intervention for carers of people with high-grade glioma: A case series of carers reporting high distress
Notice bibliographique
Résumé
Background: Carers play an important role in supporting patients diagnosed with high-grade glioma (HGG). However, this experience is frequently distressing and many carers require support. Objectives: To describe unmet needs of highly distressed carers of people with HGG and recommendations and referrals made by a nurse to support them within the Care-IS trial. Methods: Descriptive case series. Carers of people with HGG in the Care-IS trial reporting severe anxiety and/or depression at baseline and/or 4 months and high distress at baseline (during chemoradiotherapy) and at 4 months were included. Carers completed the Partner and Caregiver Supportive Care Needs Scale and Brain Tumor Specific Unmet Needs Survey for carers at baseline, 2, 4, 6, and 12 months. Monthly nurse telephone assessments documented carers' needs, recommendations, and referrals made. Data are reported descriptively. Results: = 98). Each reported a moderate-high need at ≥1 timepoint for: financial support and/or travel insurance; making life decisions in uncertainty; information about cancer prognosis/likely outcome; and coping with unexpected treatment outcomes. Specific brain tumor unmet needs were: adjusting to changes in personality, mental and thinking abilities, and accessing government assistance. Nurses provided information about treatment, side effects, and practical support. Recommendations for clinical care and referrals to community-based services, and medical specialists were offered. Conclusions: Highly distressed carers have diverse support needs in many domains, which can change over time. Nurses were critical in identifying carers' needs, providing support, and making referrals. Carers' distress and needs require ongoing screening and management.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».