MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407413653 · doi:10.3390/curroncol32020104

Toward an Understanding of Cancer as an Issue of Social Justice: Perspectives and Implications for Oncology Nursing

2025· review· en· W4407413653 sur OpenAlexaffvenue
Tara C. Horrill, Scott M. Beck, Allison Wiens

Notice bibliographique

RevueCurrent Oncology · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of British ColumbiaCancerCare ManitobaBC Cancer AgencyUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineSocial justiceEconomic JusticeNursingPrecision oncologyCancerOncologyInternal medicinePsychologyCriminologyLaw

Résumé

récupéré en direct d'OpenAlex

Within the fields of oncology practice and research, cancer has historically been and continues to be understood as primarily biologically produced and physiologically driven. This understanding is rooted in biomedicine, the dominant model of health and illness in the Western world. Yet, there is increasing evidence of inequities in cancer that are influenced by social and structural inequities. In this article, we propose that cancer-related inequities ought to be seen as issues of social justice, and, given nursing's longstanding commitments to social justice, they ought to be a priority for oncology nurses. Using a social justice lens, we highlight potential social injustices in the form of inequities in cancer outcomes and access to cancer care across the cancer continuum. Our intention is not to provide an exhaustive review of evidence, but to provide our perspective, adding to the dialogue surrounding health equity and cancer while shifting the narrative away from an understanding of cancer inequities as stemming from "lifestyle" and "behavioural" choices. We conclude by exploring the implications of considering cancer inequities as social injustices for nursing practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0030,010
Communication savante0,0070,011
Science ouverte0,0020,006
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,734
Tête enseignante GPT0,709
Écart entre enseignants0,025 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→