PROMs in der onkologischen Nachsorge der Schweiz : eine SWOT-Analyse auf Basis von Expert:innen-Interviews
Bibliographic record
Abstract
Einleitung: In der Schweiz leben rund 400'000 Personen mit und nach Krebs, wovon viele eine geringere Lebensqualität aufweisen als vor der Erkrankung. PROMs (patient-reported outcome measures) ermöglichen, die Patient:innenperspektive bezüglich Lebensqualität und Symptomstatus systematisch zu erheben und diese Daten für die weitere Behandlung in der onkologischen Nachsorge zu nutzen. Ziel: Diese Bachelorarbeit hat zum Ziel, Stärken, Schwächen, Chancen und Risiken des Einsatzes von PROMs in der onkologischen Nachsorge zu eruieren und daraus Handlungsempfehlungen für die Krebsliga Schweiz abzuleiten. Methode: Dafür wurden leitfadengestützte Expert:innen-Interviews mit Fachpersonen und Personen, die mit und nach Krebs leben, geführt und die Ergebnisse in einer SWOTAnalyse synthetisiert. Zentrale Ergebnisse: Die Ergebnisse zeigen, dass die Patient:innenorientierung und die Förderung der Interprofessionalität grosse Stärken der PROMs sind, wohingegen die benötigte digitale Infrastruktur eine Schwäche darstellt. Chancen werden in einer geschlossenen Versorgungskette und der Verringerung von Gesundheitskosten gesehen, während unklare Zuständigkeiten und das föderalistische Gesundheitssystem zu den Risiken zählen. Der Krebsliga Schweiz werden im Sinne der Ottawa Charta der Gesundheitsförderung (WHO, 1986) Aktivitäten auf drei Ebenen vorgeschlagen. Schlussfolgerung: Diskutiert werden unter anderem die Verknüpfung zur Prävention in der Gesundheitsversorgung und die Möglichkeit zur Patient:innenorientierung über die gesamte Versorgungskette mit Unterstützung der interprofessionellen Zusammenarbeit.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.006 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".