Intervention en soins de soutien auprès de survivants du cancer prostatique avancé : Revue intégrative de la littérature
Bibliographic record
Abstract
Contexte : Pour les survivants du cancer prostatique avancé, les interventions en soins de soutien peuvent améliorer la qualité de vie et les résultats cliniques. Même si ces patients ont très fréquemment des besoins non satisfaits, peu de soins de soutien leur sont prodigués. Méthodologie : Les bases de données PubMed, SCOPUS, CINAHL et ProQuest ont été interrogées à la recherche d’articles pertinents. Les données ont été extraites, organisées par élément thématique et classées selon les sept domaines du Cadre des soins de soutien pour les soins en oncologie. Résultats : La recherche a permis de relever 1 678 articles, dont 18 ont été inclus dans la revue et ont fait l’objet d’une évaluation critique. La plupart des études étaient transversales avec de petits échantillons non diversifiés. Les interventions en soins de soutien rapportées pour les survivants du cancer prostatique avancé sont limitées, mais tendent à être positives. La plupart des critères étaient axés sur les symptômes déclarés par les patients (ex. anxiété, douleur, auto-efficacité), et évalués au moyen de questionnaires ou d’entretiens. Les interventions réalisées en groupe ont donné de meilleurs résultats. Conclusions : Les hommes atteints d’un cancer prostatique avancé ont besoin d’interventions supplémentaires en soins de soutien. En raison de leur rôle essentiel dans les soins aux patients cancéreux, les chercheurs en sciences infirmières et les infirmières cliniciennes doivent faire équipe pour trouver et élaborer des interventions en soins de soutien axées sur le patient et adaptées à la culture qui améliorent la qualité de vie et les résultats cliniques. Il faut centrer les efforts sur l’échantillonnage, les domaines des besoins, le cadre théorique, les lignes directrices et les instruments de mesure.
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 | 0.017 | 0.056 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".