Geriatric assessment in daily oncology practice for nurses and allied health professionals: An updated overview from SIOG Nursing, Allied Health and Scientists Interest Group
Notice bibliographique
Résumé
Professional societies such as the International Society of Geriatric Oncology (SIOG) and the American Society of Clinical Oncology (ASCO) recommend geriatric screening and assessment for all older adults being considered for cancer treatment, to optimize cancer treatment selection and develop a supportive care plan to optimize outcomes such as reducing their risk of treatment toxicity, hospitalisations, and improvements in function and quality of life. In many centres, nurses and allied health professionals play key leadership roles in conducting geriatric screening and assessment, developing individualized care plans and monitoring their implementation. However, most nurses and allied health professionals working with older adults with cancer receive little training related to geriatric screening and assessment and require education regarding tools selection for geriatric screening and assessment. Therefore, there is a need for an up-to-date overview of geriatric screening and assessment tools for nurses and allied health professionals. In this review, we update the previous SIOG Nursing and Allied Health (NAH) Interest Group opinion paper to reflect the latest evidence related to geriatric screening and assessment. We suggest tools to assist geriatric screening and assessment (GA) as well as suggested interventions based on geriatric assessment results for the following domains: functional status, falls, nutrition, medication-related issues, distress, cognition, delirium, social support and financial status, and comorbidity. This updated overview aims to raise awareness and make accessible supports for nurses and allied health professionals on how to integrate GA and interventions into routine cancer care.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».