Returning to Work After Cancer Treatment: An Exploratory Sequential Mixed-Methods Study Guided by Transitions Theory
Notice bibliographique
Résumé
BACKGROUND: Although many individuals return to work after cancer treatment, supports to facilitate this transition are ineffective or lacking. Transitions Theory can be useful to conceptually explain the transition back to work after cancer; however, no known studies have used Transitions Theory to empirically examine this transition. OBJECTIVE: To explore how and why Transition Theory concepts can be used to understand individuals' transition back to work after cancer treatment. METHODS: Using an explanatory sequential mixed-methods design, breast or colorectal cancer survivors who had returned to work completed questionnaires aligned with Transitions Theory concepts. Spearman correlations were used to explore associations, and significant results were used to draft interview questions. One-to-one telephone interviews with a subsample of participants provided elaborations to quantitative results. Qualitative data were analyzed using template analysis. RESULTS: Among the 23 participants who returned questionnaires, most identified as female (n = 21 [91%]) and had been back at work for 28.9 months (range, 3-60). The sample's productivity loss was 7.42%, indicating an incomplete mastery of their return to work. Only 2 significant associations were revealed with higher productivity loss: higher anxiety ( r = 0.487, P = .019) and a greater number of unmet relational needs ( r = 0.416, P = .048). Twelve participants engaged in interviews wherein explanations for quantitative results were uncovered. CONCLUSIONS: To support a smoother transition back to work after cancer, assessment and interventions should focus on individuals' psychological well-being and relationship needs. IMPLICATIONS FOR PRACTICE: Transitions Theory can be useful in developing interventions to support a successful return to work after cancer.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».