Insights from GoFundMe posts: Analyzing GoFundMe financial aid requests from brain tumor patients in Ontario, Canada
Notice bibliographique
Résumé
Background: Primary central nervous system (CNS) tumors significantly affect individuals globally, with patients in Ontario, Canada, often bearing financial burdens for treatments such as oral chemotherapy due to insufficient coverage, resulting in complex insurance processes or out-of-pocket payments. However, limited understanding exists regarding other direct and indirect financial implications of their diagnosis. This study examines the financial strains, unmet needs, and overarching challenges encountered by Ontario's brain tumor patients, utilizing GoFundMe posts as a unique data source to explore additional financial costs linked to CNS tumor diagnoses in the region. Methods: A qualitative descriptive design employing thematic analysis analyzed GoFundMe posts supporting CNS tumor patients in Ontario from 2014 to 2021. A search strategy targeted posts featuring primary CNS tumor keywords, with NVivo 10 software facilitating post organization and coding. Results: Focused on Ontario, the study yielded a final dataset of 154 posts from an initial pool of 9025, revealing further financial strain due to income loss among patients and caregivers. Posts highlighted various concerns: (1) navigating the complexities of accessing support services, (2) worries about family's long-term financial and overall well-being, (3) insufficient public awareness about the financial and emotional burden on those affected, and (4) seeking emotional support, hope, and encouragement from the community. Conclusions: These GoFundMe posts highlight a connection between financial burden, emotional distress, and the need for improved access to financial and emotional support services. The results emphasize distinct financial challenges faced by CNS tumor patients within Ontario's healthcare system.
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 | 0,000 | 0,004 |
| 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».