Exploring Determinants of Compassionate Cancer Care in Older Adults Using Fuzzy Cognitive Mapping
Notice bibliographique
Résumé
The growing number of older adults with cancer confront practical and organizational limitations that hinder their ability to obtain care that is adapted to their health status, needs, expectations, and life choices. The integration into practice of evidence-based and institutional recommendations for a geriatric approach and person-centered high-quality care remains incomplete. This study uses an action research design to explore stakeholders' perspectives of the challenges involved in translating the established care priorities into a compassionate geriatric approach in oncology and identify promising pathways to improvement. Fifty-three stakeholders participated in focus groups to create cognitive maps representing perceived relationships between concepts related to compassionate care of older adults with cancer. Combining maps results in a single model constructed in Mental Modeler software to weigh relationships and calculate concept centrality (importance in the model). The model represents stakeholders' collective perspective of the determinants of compassionate care that need to be addressed at different decision-making levels. The results reveal pathways to improvement at systemic, organizational, practice, and societal levels. These include connecting policies on ageing and national cancer programs, addressing fragmented care through interdisciplinary teamwork, promoting person-centered care, cultivating relational proximity, and combatting ageism. Translating evidence-based practices and priority orientations into compassionate care rests on collective capacities across multiple providers to address the whole person and their unique trajectory.
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) | 0,000 | 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 ».