Bibliographic record
Abstract
C haque semaine, près de 450 Canadiennes reçoivent un diagnostic de cancer du sein 1 .Heureusement, l'efficacité croissante des techniques de dépistage et de traitements du cancer du sein se traduit en une amélioration de l'état de santé des patientes 2 .D'ailleurs, le taux de survie à 5 ans des femmes atteintes du cancer du sein est supérieur à 88 % 1 .Toutefois, les procédures chirurgicales et les traitements adjuvants (ex.: la chimiothérapie, la radiothérapie et l'hormonothérapie) de la maladie engendrent souvent des effets secondaires nuisibles pour la santé physique et mentale des patientes [3][4][5][6] .L'un des symptômes les plus souvent rapportés par celles-ci est la douleur.On estime qu'environ 30-60 % des survivantes au cancer du sein continueront de ressentir de la douleur à un niveau suffisamment élevé pour affecter leur qualité de vie après le traitement 7,8 .Par conséquent, le traitement de la douleur chez les survivantes au cancer du sein nécessite l'action concertée du milieu scientifique et clinique.La proportion élevée de femmes qui ressentent de la douleur après un diagnostic de cancer est un fait préoccupant.La
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.028 | 0.004 |
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".