The Experience of Patients with Cancer and Their Informal Caregivers Related to Adoptive Cell Therapy: A Qualitative Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: Adoptive cell therapy (ACT) is a growing personalized immuno-oncology approach, delivered both in standard of care (SOC) and clinical trial (CT) settings. Understanding patient and informal caregivers (ICs) experiences is crucial to optimizing care. This qualitative systematic review explores the ACT experience across three elements: actors (patients and ICs), settings (CT and SOC), and phases of the care continuum. METHODS: A systematic search was conducted across Medline, Embase, CINAHL, APA PsycInfo, Cochrane, Web of Science, ProQuest Dissertations & Theses, and Google Scholar up to May 8, 2024. Studies were appraised using the JBI Critical Appraisal Checklist for Qualitative Research, with data extracted and synthesized using a meta-aggregation approach. MAXQDA was used to generate co-occurrence networks between key elements and inductively derived codes. A comparative sentiment analysis highlighted emotional differences between CT and SOC settings. RESULTS: Nineteen qualitative studies were included, capturing experiences of patients (n = 19) and ICs (n = 7) receiving chimeric antigen receptor T cell (n = 17) and tumor-infiltrating lymphocyte (n = 2) therapy in CT (n = 13) and SOC (n = 9) settings. Findings revealed phase-specific challenges across physical, cognitive, psychological, emotional, social, financial, professional, communication, and informational domains. These challenges originate from ACT-related toxicities, care pathway complexity, and the novel nature of the therapy. CONCLUSIONS: This review identifies the key challenges faced by patients and ICs throughout the ACT care pathway, emphasizing the need for tailored interventions based on the phase and setting, as well as improved support systems. IMPLICATIONS FOR NURSING PRACTICES: Recommended strategies include developing decision support tools, establishing caregiver support programs, and implementing navigation services to enhance patient and ICs experiences.
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 | 0,034 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».