Patient-centered care in precision medicine and end-of-life care in neuro-oncology: The role of nursing in enhancing quality of life and treatment outcomes
Notice bibliographique
Résumé
Central nervous system (CNS) tumors are a leading cause of cancer-related deaths in children. While advances in pediatric neuro-oncology have improved survival rates through surgery, radiation, and chemotherapy, these treatments often lead to long-term side effects—such as cognitive impairments, endocrine issues, and secondary cancers—that can significantly affect a child’s quality of life. Precision medicine offers hope by tailoring treatments based on the tumor’s molecular and genetic profile, targeting cancer cells while minimizing harm to healthy tissue. Equally important is patient-centered care (PCC), which addresses not only the clinical but also the emotional, psychosocial, and ethical needs of patients and families. Nurses play a pivotal role in integrating precision medicine and PCC, managing treatment-related symptoms, guiding shared decision-making, and supporting families—especially during end-of-life (EOL) care. Their role is critical as many patients experience cognitive and functional decline from the disease or its treatment.This article explores the expanding role of nurses in pediatric neuro-oncology, particularly in EOL care, and emphasizes the need for a holistic approach that aligns with patients’ values and well-being. Future efforts should focus on strengthening interdisciplinary collaboration, improving communication, enhancing access to psychosocial support, and addressing ethical challenges. Continued education and support for nurses are essential to deliver personalised, compassionate 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 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 | 0,024 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».