Symptom appraisal and help- seeking before a cancer diagnosis during pregnancy: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: The estimated incidence of a cancer diagnosis during or shortly after pregnancy is 1 in 1000 pregnancies in England. Pregnancy can have an impact on symptom appraisal and help-seeking for symptoms subsequently diagnosed as cancer. Little is known about the pathway to cancer diagnosis in pregnancy or delays that women can encounter. AIM: To explore symptom appraisal, help-seeking decisions, and experience of receiving a cancer diagnosis during pregnancy. DESIGN AND SETTING: Semi-structured interviews were conducted with women diagnosed with cancer during or shortly after pregnancy in the previous 4 years in the UK, recruited between January and May 2022 via the charity Mummy's Star. METHOD: This study used reflexive thematic analysis of 20 interviews. Analysis was largely inductive and the themes generated were mapped onto the intervals of the Model of Pathways to Treatment. RESULTS: Symptoms were often interpreted through the lens of pregnancy by both participants and most of the healthcare professionals from whom they sought help. Participants who found breast lumps were likely to suspect cancer and be referred promptly for tests in secondary care. Although most participants sought timely help for their symptoms, some subsequently encountered health system delays, partly owing to both the vague nature of their symptoms and the COVID-19 pandemic. CONCLUSION: Health services need to better support women presenting with possible cancer symptoms during pregnancy to ensure timely diagnosis. Recommendations include prioritising symptoms over attributing them solely to pregnancy, ensuring timely referrals to rule out serious conditions, and emphasising clear communication alongside robust safety-netting practices. A full assessment is essential before dismissing symptoms as pregnancy related.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».