Brève communication : Dépister la détresse en milieu communautaire
Bibliographic record
Abstract
But de l’étude : Le projet consistait à concevoir, perfectionner et tester une approche de dépistage de la détresse auprès des survivants du cancer qui fréquentent des organismes communautaires de soutien aux personnes atteintes du cancer. Méthodologie : Le projet s’est décliné en plusieurs phases; on a notamment effectué une revue de la littérature récente et formé des groupes de discussion avec les survivants du cancer et le personnel d’organismes communautaires. Les données ont été collectées pour servir d’assise à la conception et à la mise en œuvre d’une nouvelle approche de dépistage adaptée aux organismes communautaires de soutien du cancer qui souhaitent identifier la détresse psychosociale de leurs membres. Résultats : Les questionnaires normalisés utilisés dans les approches de dépistage de la détresse en contexte clinique n’étaient pas considérés comme appropriés par les survivants du cancer qui cherchaient du soutien en milieu communautaire. Une nouvelle approche de dépistage a été conçue et mise en œuvre en tenant compte des commentaires des survivants du cancer et du personnel des organismes communautaires. L’outil utilisé dans l’approche de dépistage était axé autour des problèmes pertinents des personnes en milieu communautaire. Si des problèmes étaient identifiés, le personnel suivait une trajectoire de soins personnalisée pour les résoudre. Les patients comme les employés ont trouvé l’approche de dépistage utile pour repérer les problèmes et les solutions afférentes. Conclusions : Les approches de dépistage de la détresse peuvent être utiles dans un contexte de soutien communautaire aux survivants du cancer pour identifier les personnes très à risque de vivre des difficultés. Les données du dépistage peuvent servir aux organismes qui souhaitent faire état de l’efficacité de leurs services.
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 | 0.029 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".