Partenariats en soins infirmiers oncologiques : une occasion de façonner l’avenir du soutien à la prise en charge des effets toxiques après les heures ouvrables
Bibliographic record
Abstract
<p class="p1">Les consultations aux urgences et les hospitalisations sont fréquentes chez les patients suivant un traitement du cancer. Reconnaissant la nécessité d’une prise en charge adéquate des effets toxiques des traitements du cancer pour les patients en Ontario, Action Cancer Ontario de Santé Ontario (ACO-SO) a formé en décembre 2016 un comité consultatif sur la prise en charge des effets toxiques. Ce comité a notamment recommandé de garantir aux patients l’accès à un service de soutien et de conseil à distance (par télétriage) offert par un fournisseur de services de santé compétent. Après le succès remporté par un premier projet pilote de soutien après les heures ouvrables, ACO-SO, en collaboration avec Soins de santé Bayshore limitée, a lancé CareChart Santé numérique, un service provincial de soutien téléphonique à distance offert aux patients à domicile qui suivent un traitement du cancer pour les aider à prendre en charge des effets toxiques après les heures d’ouverture des cliniques. La création de ce partenariat visait à réduire le nombre de consultations aux urgences grâce à une meilleure prise en charge à domicile des effets toxiques et à améliorer la coordination des efforts et la communication entre les intervenants en vue de rehausser la qualité des soins axés sur le patient. Depuis 2018, une équipe d’infirmières spécialisées en oncologie fournit le soir, la fin de semaine et les jours fériés, du soutien aux patients de 72 hôpitaux, à l’aide d’outils de télétriage fondés sur des données probantes et d’un guide de pratique de triage des symptômes et d’aide à distance en oncologie (projet COSTaRS). Le personnel infirmier a comblé la plupart des besoins en expliquant des stratégies d’auto-prise en charge; 24 % des appelants ont été dirigés vers l’urgence. On estime que ce service avait permis d’éviter annuellement 5 211 consultations aux urgences, ce qui a représenté des économies de 3,8 millions de dollars pour la province. Selon les résultats d’un sondage, plus de 90 % des patients étaient d’accord ou tout à fait d’accord pour dire qu’ils avaient obtenu un bon service; ils étaient également très satisfaits de la qualité du service, et ce, pour tous les aspects qu’on cherchait à évaluer.
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 | 0.006 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 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 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".