Les soins infirmiers en oncologie au 21e siècle : voir le cancer comme une maladie chronique
Notice bibliographique
Résumé
Environ la moitié des Nord-Américains recevront un diagnostic de cancer au cours de leur vie lifetimes (Brenner et al., 2020). Grâce à l’amélioration des méthodes de dépistage et des traitements, le nombre de survivants du cancer connaît une croissance exponentielle. D’ici 2022, on s’attend à ce qu’il atteigne les 18 millions aux États-Unis (Henley et al., 2020). Selon des données recueillies en 2014, on estime que 63 % de la population canadienne ayant un cancer survivra 5 ans ou plus, comparativement à 55 % au début des années 1990, et à 25 %, dans les années 1940 (Brenner et al., 2020). On considère généralement comme survivant du cancer un patient ayant terminé un traitement à visée curative qui ne reçoit plus que des soins axés sur le suivi, la prévention des effets indésirables liés au traitement et des traitements d’entretien (ex. endocrinothérapie) (Medicine & Council, 2006). Cependant, un nouveau groupe de survivants est apparu dans les dix dernières années : celui des personnes qui vivent des années durant avec un cancer incurable grâce à un traitement continu.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».