Appel à la création de cliniques pour survivants du cancer dirigées par des infirmières praticiennes : un nouveau modèle doit être développé et généralisé en Ontario
Bibliographic record
Abstract
La croissance du nombre de survivants du cancer nécessitant des soins de suivi complets après leur traitement exerce une pression considérable sur le système de santé canadien (Moura et al., 2022). Compte tenu du contexte actuel caractérisé par des charges de travail de plus en plus lourdes exacerbées par des pénuries de personnel dans le secteur de la santé, le modèle standard de soins aux survivants sous la direction d’un ou d’une oncologue n’est pas viable ni même optimal pour répondre à tous les besoins physiques, psychosociaux, de soutien, d’information et de réadaptation des survivants du cancer (Brennan et al., 2010; Canadian Partnership Against Cancer/Partenariat canadien contre le cancer et Canadian Association of Provincial Cancer Agencies/Association canadienne des agences provinciales du cancer, 2010). Il a été démontré que les modèles de soins aux survivants dirigés par des infirmières praticiennes (IP) en oncologie sont sûrs, efficaces, réalisables et appropriés pour le suivi des patients (Chan et al., 2018). En Ontario, les soins aux survivants sont principalement dispensés par des médecins. D’après une récente analyse de l’environnement médical, il n’y existe actuellement pas de cliniques ou de programmes spécialisés pour les survivants du cancer dirigés par des IP. Cet article décrit les obstacles et les possibilités qui existent actuellement concernant les soins aux survivants dispensés par des IP. Les auteures lancent un appel au lancement d’un processus d’examen des services d’oncologie et soulignent la nécessité de créer en Ontario des cliniques pour survivants dirigées par des IP. Mots-clés : survivants du cancer, soins aux survivants, soins de suivi oncologiques, soins dirigés par des infirmières, cliniques dirigées par des infirmières praticiennes
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".