Mieux comprendre la fonction de soutien de l’infirmière pivot en oncologie (IPO) selon la perspective d’IPO et de personnes atteintes de cancer : seconde partie
Bibliographic record
Abstract
Les personnes atteintes de cancer ont un large éventail de besoins durant la trajectoire de la maladie. Pour mieux y répondre, l’implantation du programme québécois de lutte contre le cancer (PQLC, 1998) a introduit le rôle de l’infirmière pivot en oncologie (IPO). Un premier article a présenté la nature des besoins de personnes atteintes de cancer et du soutien apporté par l’IPO. Ce second article a pour but de mieux comprendre la fonction de soutien de l’IPO selon les IPO ellesmêmes et de décrire de façon exploratoire les interventions de soutien réalisées auprès des personnes atteintes de cancer et de leurs proches tout au long de la trajectoire de soins. L’échantillon comprend dix IPO. Elles rapportent faire des interventions de soutien pour tous les types de besoins, notamment dans les domaines informationnel (44 %) et pratique, comme de la coordination de rendez-vous, d’examens d’intervenants ou de différents services (35 %). Les résultats suggèrent également que l’évaluation des besoins est un prérequis à l’intervention. Finalement, toutes les participantes ont soulevé l’importance de la relation d’aide et du lien de confiance pour préciser leur fonction de soutien. Ces résultats sont cohérents avec plusieurs écrits récents sur le rôle psychosocial de l’infirmière en oncologie. Mots clés : besoins, soutien, interventions, infirmière, oncologie, navigation, rôle
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".