Sens et motivation dans les soins infirmiers en oncologie auprès des personnes âgées : de la conférence au groupe d’intérêt
Bibliographic record
Abstract
Au Canada, 45 % des nouveaux cas de cancer et 63 % des décès dus au cancer se produisent chez les Canadiens de 70 ans et plus. Ces personnes âgées et leurs familles ont des préoccupations et des besoins particuliers, mais qui demeurent souvent mal reconnus et satisfaits. Or, le nombre de personnes âgées au Canada devrait plus que doubler au cours des 25 prochaines années. Nous devons donc intégrer à notre pratique en oncologie, de même qu’aux politiques, à la recherche et à la formation, une meilleure compréhension du vieillissement, et développer des modèles de soins optimisés et adéquats pour les personnes âgées. Le groupe d’intérêt sur l’oncologie et le vieillissement de l’Association canadienne des infirmières en oncologie (ACIO) est une initiative incitant les infirmières du domaine à se pencher sur ces questions. Nous résumons ici les faits saillants de l’atelier qui a donné le coup d’envoi à ce groupe lors de la conférence annuelle de l’ACIO en 2015 et rappelons les priorités et problèmes liés à la pratique qui ont été relevés pendant les échanges avec les participants. Nous relatons également la façon dont le groupe d’intérêt a évolué depuis sa création et listons les objectifs qui orienteront les prochaines étapes.
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 | 0.010 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".