Le corps et le moi : l’image corporelle et la sexualité chez les femmes atteintes du cancer
Bibliographic record
Abstract
Les femmes subissant un traitement pour leur cancer signalent des enjeux continus en matière de sexualité et de fonctionnement sexuel. Dans le cadre de mes fonctions de conseillère en sexualité dans un grand établissement de soins ambulatoires, j’ai passé de nombreuses heures à parler avec ces femmes et leurs partenaires et à les conseiller. La centralité de l’expérience des atteintes de l’image corporelle est un thème commun. Les problèmes liés à l’image corporelle sont associés à la mastectomie, à l’alopécie induite par la chimiothérapie, aux changements de poids, à une faible estime de soi et au fait que le partenaire puisse avoir de la difficulté à comprendre les émotions animant la femme et l’animant lui-même. Ces problèmes peuvent être abordés par les infirmières à toutes les étapes de la trajectoire du cancer. Quoique les atteintes de l’image corporelle accompagnent tous les types de cancer, elles se produisent plus fréquemment chez les femmes subissant un traitement pour un cancer du sein ou un cancer gynécologique. Cet article décrit les problèmes auxquels sont confrontées ces femmes et suggère des interventions infirmières qui peuvent s’avérer utiles.
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 | 0.000 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".