Bibliographic record
Abstract
Hensikt: Hensikten med denne oppgaven er å undersøke og belyse hvilke psykiske symptomer som melder seg ved diagnostisering av pankreaskreft og hva pasienter trenger bistand til. Pankreaskreft er en av de alvorligste kreftdiagnosene grunnet få symptomer, sen diagnostisering og lite håp for helbredende kirurgi. På bakgrunn av dette drøftes det hvordan pasienter kan oppleve det å få pankreaskreft samt hva de trenger av bistand i perioden etter diagnose.\n\nMetode: Metoden for oppgaven er et litteraturstudie og har blitt utført via søk i ulike databaser. Søkeord brukt er blant annet: emotional distress, depression, anxiety, mental health distress, pancreatic cancer, treatment og oncologists.\n\nHovedfunn: Ved diagnostisering av pankreaskreft reagerer mange pasienter med å gå inn i en krise. Fremtredende følelser er sjokk, sinne, fortvilelse og nedstemthet. Psykiske symptomer som angst og depresjon er normale reaksjoner. Dette kan etterhvert utvikle seg til psykiske lidelser. Noen pasienter står også i fare for å ta sitt eget liv som følge av kreftdiagnosen. Det bør som en følge av dette rettes et større fokus på psykiske symptomer og lidelser. Det bør videre være en integrert del av behandlingsopplegget. Det kan være utfordrende å identifisere psykiske lidelser hos denne pasientgruppen. Imidlertid kan Edmonton symptom assessment system (ESAS) være et hensiktsmessig verktøy.\n\nKonklusjon: Oppgaven argumenterer for ivaretagelse av psykisk helse for å kunne bidra til en helhetlig behandling og oppfølging av denne pasientgruppen. Det er i dag et stort fokus på den somatiske behandlingen. Oppgaven argumenterer for at det også bør rettes et større fokus på pasientens psykisk helse. Herunder pasientens sykehistorie før kreftdiagnosen, igangsetting av individtilpassede tiltak, samt oppfølging av disse. Flere av studiene presentert i denne oppgaven viser at barrierer som hindrer helsepersonell i oppfølging av psykisk helse er mangel på tid, mangel på kunnskap om psykisk helse og mangel på opplæring til å bruke de ulike screeningverktøyene. På et overordnet nivå må opplæringen og kunnskapen til helsepersonell styrkes for å kunne bistå denne pasientgruppen bedre.
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 | 0.004 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.110 | 0.028 |
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".