Validación ecológica del programa FORT (Fear of Cancer Recurrence Therapy): una adaptación del español mexicano al español castellano: reporte preliminar
Bibliographic record
Abstract
Introducción: El miedo a la recaída es uno de los problemas psicológicos en los pacientes con cáncer, más específicos. El aumento en la esperanza de vida en el paciente oncológico, y la supervivencia, hace que cada vez más conozcamos las consecuencias emocionales, y vivir con el llamado Síndrome de la Espada de Damocles es sin duda una de las más importantes. Este miedo a la recaída puede llegar a ser invalidante y por ello cada vez más se elaboran programas terapéuticos para poderlo combatir. Uno de los más conocidos es el FORT (Fear of Recurrence Therapy) elaborado por Maheu y Lebel y que en este momento está siendo adaptado a otros lenguajes y culturas. Una de ellas es la adaptación de Gálvez en México. Objetivo: Nuestro objetivo en el presente trabajo preliminar es presentar los primeros datos de adaptación de esta terapia del español mexicano al europeo. Método: El procedimiento seguido es la validación ecológica propuesta por Bernal en base al consenso de dos psicooncólogas expertas. Resultados: Después de valorar el cambio de diferentes conceptos y terminologías, se han valorado de forma independiente por parte de ambas psicooncólogas, las 8 dimensiones de Bernal con un alto índice Kappa (de 0,8 a 1). Conclusiones: Este es un estudio preliminar al que le va a seguir los mismos pasos para el manual de la paciente por parte de profesionales y de pacientes con cáncer de mama.
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 | 0.012 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| 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".