Prise en charge des symptômes du cancer : Évaluation du tutoriel en ligne du Groupe de recherche pancanadien sur le triage des symptômes et l’aide à distance en oncologie
Bibliographic record
Abstract
Objectif : Évaluer l’acceptabilité du tutoriel Web en libre accès du Groupe pancanadien sur le triage des symptômes et l’aide à distance en oncologie (COSTaRS), de même que ses effets sur les connaissances des infirmières et sur leur confiance perçue à prendre en charge les symptômes du cancer. Méthodologie : Évaluation rétrospective pré-test/post-test réalisée auprès d’infirmières ayant fait l’examen de connaissances du tutoriel ou rempli le sondage sur l’acceptabilité. Le tutoriel a été modelé sur un atelier en personne (déjà évalué) dont le but était de préparer les infirmières offrant des soins de prise en charge des symptômes du cancer à utiliser les guides de pratique COSTaRS. Résultats : De 2017 à 2021, 743 infirmières ont fait l’examen de connaissances et 749 ont évalué le tutoriel. Le résultat moyen à l’examen était de 4,4/6, et 83 % des participantes ont obtenu la note de passage. Après le tutoriel, les infirmières avaient gagné en confiance pour évaluer et trier les patients, et pour les guider dans leurs autosoins (p < 0,001); leur habileté à utiliser les guides COSTaRS s’était aussi améliorée (p < 0,001). Selon les infirmières, le tutoriel était facile à comprendre (95 %), fournissait juste la bonne quantité d’information (92 %), donnait de l’information nouvelle (75 %), était bon à excellent dans l’ensemble (89 %), et valais la peine d’être recommandé à d’autres infirmières (83 %). Conclusion : Plus de 700 infirmières ont accédé au tutoriel. Après l’avoir complété, elles avaient acquis de bonnes connaissances et amélioré leur confiance à prendre en charge les symptômes du cancer. Mots-clés : lignes directrices de pratique clinique, formation continue, soins infirmiers en oncologie, prise en charge des symptômes
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 | 0.009 | 0.038 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".