White Paper: Advancing global cancer symptom science: Insights and strategies from the Inaugural Cancer Symptom Science Expert Meeting
Notice bibliographique
Résumé
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 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 | 0,102 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,004 | 0,021 |
| Intégrité de la recherche | 0,018 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,011 |
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 ».