Notice bibliographique
Résumé
<div> Introduction Many women struggling with infertility report that they frequently experience unhelpful social interactions with well-meaning loved ones and healthcare providers, contributing to a reluctance to confide in others about their infertility and emotional distress. However, it remains unclear what interaction content women experience as ‘helpful’ versus ‘unhelpful,’ making it difficult to provide concrete recommendations to the public about how best to support individuals struggling with infertility. Methodology Eighty women from Canada and the United States (ages 20–45 years) whose fertility treatments had been cancelled due to the COVID-19 pandemic were recruited via social media to complete an online survey, which included two open-ended questions about the most helpful and unhelpful social interactions they had had about their infertility. Two independent researchers conducted content analysis to identify categories of helpful and unhelpful social interactions. Results The following six categories were identified by women as helpful: 1) Listening, 2) Fostering hope, 3) Talking to individuals with lived experience, 4) Distraction, 5) Validating emotions, and 6) Tangible support. Responses about unsupportive interactions fell into four categories: 1) Toxic positivity, 2) Advice-giving, 3) Invalidation, and 4) Intruding. Sample quotes from each category are provided. Conclusion These findings provide valuable insights that can be used to develop future educational materials for the general public on how to interact with individuals experiencing infertility. </div>
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 | 0,000 |
| 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) | 0,115 | 0,001 |
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 ».