Combler les lacunes : Predicteurs sociodemographiques et medicaux des besoins en sante sexuelle et autres besoins en soins de soutien, et desir de recevoir de l’aide chez des survivantes d’un cancer gynecologique
Bibliographic record
Abstract
Objectif : Le but de cette étude était d’évaluer les prédicteurs des besoins en soins de soutien et la réceptivité de l’aide chez les patientes atteintes de cancer gynécologique. Méthode : Un échantillon de 113 survivantes d’un cancer gynéco- logique a rempli une évaluation sur les besoins et le désir de rece- voir de l’aide. On a ensuite eu recours à des analyses de régression pour établir les prédicteurs sociodémographiques et médicaux des patientes de même que leur désir de recevoir de l’aide. Résultats : Le jeune âge et le court laps de temps écoulé depuis les traitements ont constitué les plus solides prédicteurs de nombreux besoins non comblés. Le jeune âge et la chimiothérapie se sont révélés les plus grands prédicteurs de besoins en matière de santé sexuelle. Le court laps de temps écoulé depuis le traitement a été cerné comme prédicteur de la réceptivité à l’offre d’aide en présence de besoins de nature informationnelle. Conclusion : Les besoins post-traitement non comblés varient et peuvent être supérieurs chez les survivantes plus jeunes et traitées depuis peu. La chimiothérapie peut contribuer à de plus grands besoins en matière de santé sexuelle.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".