Suivi après le traitement du cancer du sein
Bibliographic record
Abstract
Resume Objectif Offrir aux medecins de famille un resume des recommandations fondees sur les donnees probantes pour guider les soins aux survivantes traitees pour le cancer du sein. Qualite des donnees Une recherche documentaire a ete effectuee dans MEDLINE entre 2000 et 2016 a l’aide des mots-cles anglais suivants : breast cancer, survivorship, follow-up care, aftercare, guidelines et survivorship care plans, en se concentrant sur la revue des lignes directrices publiees recemment par les organismes nationaux de cancerologie. Les donnees etaient de niveaux I a III. Message principal Les soins aux survivantes comportent 4 facettes : surveillance et depistage, prise en charge des effets a long terme, promotion de la sante et coordination des soins. La surveillance des recidives ne se traduit que par une mammographie annuelle, et le depistage d’autres cancers doit suivre les lignes directrices basees sur la population. La prise en charge des effets a long terme du cancer et de son traitement aborde des problemes courants tels la douleur, la fatigue, le lymphœdeme, la detresse et les effets indesirables des medicaments, de meme que les preoccupations a long terme comme la sante du cœur et des os. La promotion de la sante met en relief les bienfaits de l’activite chez les survivantes du cancer, avec l’accent mis sur l’activite physique. Les soins aux survivantes sont de meilleure qualite lorsque divers services et professionnels de la sante participent aux soins, et le medecin de famille joue un role important dans la coordination des soins. Conclusion Les medecins de famille sont de plus en plus souvent les principaux fournisseurs de soins de suivi apres le traitement du cancer du sein. Le cancer du sein doit etre considere comme une affection medicale chronique, meme chez les femmes en remission, et les patientes profitent de la meme approche que celle utilisee pour les autres affections chroniques en soins de premiere ligne.
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 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".