MétaCan
Menu
Retour à la cohorte
Enregistrement W4416076536 · doi:10.5737/23688076355750

White Paper: Advancing global cancer symptom science: Insights and strategies from the Inaugural Cancer Symptom Science Expert Meeting

2025· article· W4416076536 sur OpenAlexvenueno aff
Sara Colomer‐Lahiguera, Rachel Pozzar, Carolyn Harris, Jeannine M. Brant, Yvette P. Conley, Mary E. Cooley, Manuela Eicher, Pamela S. Hinds, Doris Howell, Sandra A. Mitchell, Karin Ribi, Margaret Rosenzweig, Susan W. Wesmiller, Christine Miaskowski, Marilyn J. Hammer

Notice bibliographique

RevueCanadian Oncology Nursing Journal · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensnon disponible
Organismes subventionnairesSwiss Cancer Research FoundationUniversité de LausanneCentre Hospitalier Universitaire VaudoisSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungInternational Society of Nurses in GeneticsFondation ISRECNational Science Foundation
Mots-clésAllianceWhite paperAlternative medicineBest practiceMEDLINEGlobal health

Résumé

récupéré en direct d'OpenAlex

Purpose: The inaugural “Cancer Symptom Science Expert Meeting”, held in Lausanne, Switzerland, on October 11–12, 2023, brought together 40 nurse scientists from seven countries. The event aimed to enhance collaboration across the global symptom science community; identify common research interests, gaps in knowledge, and opportunities for research; and develop strategies to address challenges and accelerate symptom science research internationally. This White Paper summarizes discussions and recommendations deliberated during the meeting and introduces the Global Research Alliance in Symptom Science (GRASS). Methods: A two-day meeting included presentations on critical issues and unanswered questions in cancer symptom science and other chronic conditions. Four working groups (WGs) identified gaps and opportunities associated with each topic and outlined strategic directions and essential actions to advance symptom science. Results: Recommendations from WGs included: WG1) optimal approaches to collect, analyze, and use symptom data for research and clinical purposes; WG2) development of a minimum dataset or common data model for symptom science; WG3) enhancement of best practices in implementation science strategies to improve utilization of evidence-based symptom management in routine care; and WG4) capacity building and infrastructure for the creation of a global alliance in symptom science (GRASS). Conclusions: There is a global commitment to advance symptom science. The symposium established the groundwork for the development of GRASS, dedicated to symptom science in cancer and other chronic conditions. Future directions include establishing regular scientific meetings, fostering interdisciplinary collaboration, and engaging with symptom scientists. Keywords: cancer, chronic disease, comorbid conditions, global health, symptom science

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0120,018
Communication savante0,0020,004
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,330
Écart entre enseignants0,320 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Oncology Nursing JournalMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207