MétaCan
Menu
← Retour à la cohorte
Enregistrement W7106790959 · doi:10.14288/cjur.v7i1.196172

The impact of online programming on cancer patients

2021· article· en· W7106790959 sur OpenAlexaff

Notice bibliographique

RevueOpen Collections · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensConcordia University of Edmonton
Organismes subventionnairesnon disponible
Mots-clésThematic analysisOnline discussionQualitative researchCancerQualitative propertyInformed consent

Résumé

récupéré en direct d'OpenAlex

In this study, a qualitative design was used to examine how online cancer support programming has impacted cancer patients, specifically, the effects on their physical, mental, emotional, and spiritual well-being. We also investigated how cancer support programming could be improved from the perspectives of the participants. Due to the recent COVID-19 pandemic, many organizations had to shift to an online-based approach to allow for continued access for their members. The sudden shift of moving into online programming caused a significant learning curve for organization staff, volunteers, and members. In this research we asked members how they benefited from online programming and to indicate which aspects of programming they would like to see continued post-pandemic. This study was conducted entirely online using thematic analysis to analyze responses. To facilitate this study, we recruited six participants from a cancer support organization. Once participants were recruited, they received an informed consent form, interview questions, and a consent to use data form through google forms. Participants did not have access to the interview questions until they consented to participate in the study. The interview consisted of 10 questions and took approximately 30 to 45 minutes to complete. At the end of the study, participants received a consent to use data form. Through our thematic analysis, we found five themes that reflected our participants’ experiences with online programming: social connection, positive emotions, growth and gains, challenges and difficulties, and easy accessibility. Our findings showed more positive than negative outcomes through online programming, however, there were still challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0030,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,359
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Collections→Même sujetCancer survivorship and care→Travaux en français237 207→