Cmtre; Irutitutz for Clinical Eaaluatiue Sciences (L.E.E); and Princess Margaret Hospital
Notice bibliographique
Résumé
fusearch indi,cates that patientsfeel more satisf,ed and obtain better health outcomcs when thq are able to discuss tkcir Etcstions wi,th their hcalth professionals. A better understanding of cancer patirnts ' questions may lnlp guid"e intertentions to address tfuir information nuds and improae pain managetnent. This study sought to explore and fuscribe the questions that women with breast cancer haae about pai,n related to cancen Semistructtned interaiat)s were conducted wi,th womcn with pain related to breast cancer m its treatrnent, reruitedfrom a large teaching hospital in Tmonto, Canada. Interaiews were audio recordcd and fully transcribed. Data saturation was reached after 18 parti,cipants wne i.nterviaued. Analysis inaolaed thp identffication of themes and tfu dnelopment of a taxonomy of questions about pain. In total, oaer 200 questions concerning seaen main themes une identif,ed: (1) und.erstand,i.ng cancer pain, (2) hnowing what t0 expect, (3) options for pai.n control, (4) coping wi,th cancer pain,(5) talking uith others with cancer pain, (6) f,nding help managing cancer pain, and (7) describing pain. The infarmation collected, suggests that fornulating and articulnting questions about pain is a context-d,ependent, time-intensi.ae process that requires reflection, hnowlzdge, and a good use of language. Pati.ents haue numtrous and d,iunse questions about
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,420 | 0,098 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».