Facteurs influençant la qualité de vie des proches aidants de patients kényans atteints de cancer
Bibliographic record
Abstract
Contexte : Certaines caractéristiques, notamment l’âge, le niveau de scolarité, la situation économique et le lieu de résidence pendant la prestation des soins, influencent considérablement la qualité de vie (QDV) des proches aidants de patients atteints de cancer dans les pays à revenu élevé. Peu d’études ont été réalisées à cet égard dans les pays à revenu faible ou moyen. Objectif : Étudier les facteurs associés à la QDV chez les proches aidants de patients kényans atteints de cancer. Méthodologie : L’étude, de type corrélationnel, a été menée dans le plus grand hôpital d’enseignement et de recours du Kenya auprès de 164 proches aidants de patients cancéreux. L’échelle de qualité de vie – version familiale (Quality of Life – Family Version) a servi d’instrument de mesure. La collecte de données s’est faite à l’aide de questionnaires administrés en entrevue. Le test t de Student et le test du chi carré de Pearson ont permis de déterminer l’association entre les caractéristiques personnelles et sociales, les caractéristiques de la maladie, et la qualité de vie des proches aidants. Résultats : Le score moyen de QDV des proches aidants était de 55,8 % (ÉT±10,12 %), ce qui est plus faible que dans les autres pays. Conclusion : Il existe une association significative entre la qualité de vie (QDV) des proches aidants et le niveau de scolarité, la relation avec le patient, la capacité des proches aidants à accomplir leurs activités habituelles et leur connaissance des stades du cancer. Mots-clés : proche aidant, qualité de vie, cancer, Kenya
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".