S’occuper des patients atteints de cancer : l’expérience d’infirmières et d’infirmiers d’Afrique du Sud travaillant en soins aigus
Bibliographic record
Abstract
On sait peu de choses de l’expérience des infirmières et infirmiers d’Afrique du Sud qui soignent les patients atteints de cancer. La présente étude avait pour but de décrire en termes simples l’expérience du personnel infirmier travaillant dans les milieux de soins aigus. Par échantillonnage dirigé, on a sélectionné 20 infirmières et infirmiers qui ont ensuite passé des entrevues détaillées. Il s’agissait pour la plupart de femmes, infirmières autorisées en oncologie, ayant plus de 5 ans d’expérience. Trois thèmes sont ressortis des discussions : la définition de l’expérience des soins infirmiers oncologiques, les difficultés de la prestation de soins aux patients atteints de cancer, et les problèmes attribuables au système de santé. Pour la plupart, les personnes ayant participé à l’étude croyaient que Dieu les avait appelées à travailler auprès des patients atteints de cancer. Toutefois, à cause des difficultés vécues, elles se sentaient coupables et n’avaient pas l’impression de donner des soins adéquats. En outre, elles étaient victimes de violence dans leur milieu de travail, ne bénéficiaient pas du soutien des cadres de gestion des soins infirmiers, et montraient des signes d’épuisement professionnel. Pour réduire la détresse émotionnelle et prévenir l’épuisement, il faudra trouver une solution à ces problèmes.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.008 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".