MétaCan
Menu
Back to cohort
Record W2472031728 · doi:10.3917/rsi.125.0098

Les stratégies d’adaptation des patients porteurs d’une plaie cancéreuse : une étude analytique

2016· article· fr· W2472031728 on OpenAlexaff
Nelly Espanet, Sébastien Colson, Karine Baumstarck, Francette Futo, Julien Mancini, Sébastien Salas

Bibliographic record

VenueRecherche en soins infirmiers · 2016
Typearticle
Languagefr
FieldPsychology
TopicBody Image and Dysmorphia Studies
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsGynecologyHumanitiesMedicineArt

Abstract

fetched live from OpenAlex

Introduction/Contexte : l’évolution de la maladie cancéreuse aboutit parfois à l’extériorisation de la tumeur à la peau, créant une plaie cancéreuse. Peu de données décrivent les stratégies d’adaptation que vont utiliser les individus pour faire face à cette situation. Objectif : l’objectif principal est de déterminer les différentes stratégies d’adaptation employées par les patients porteurs de plaies cancéreuses, et les liens avec leurs caractéristiques cliniques et sociodémographiques. L’objectif secondaire est de documenter l’image corporelle de ces individus. Matériel/méthode : une étude analytique a été proposée à 21 patients présentant une plaie cancéreuse, hospitalisés en oncologie médicale. Les versions françaises de l’échelle de stratégies d’ajustement de Vitaliano et de l’échelle de l’image corporelle ( Body Image Scale ) ont été utilisées. Résultats : les patients porteurs de plaie cancéreuse font appel aux trois stratégies de coping : problème, émotionnel et recherche de soutien social. La douleur au niveau de la plaie est associée positivement à un coping émotionnel, et l’ancienneté du diagnostic de cancer à une recherche de soutien social. L’image corporelle semble altérée. Discussion/Conclusion : l’ajustement à la plaie cancéreuse semble possible avec l’apport de soins de support tels que le soulagement de la douleur et/ou la relation d’aide. Une étude nationale tente actuellement de généraliser ces résultats.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.777
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.001

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.

Opus teacher head0.283
GPT teacher head0.437
Teacher spread0.153 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueRecherche en soins infirmiersSame topicBody Image and Dysmorphia StudiesFrench-language works237,207