Sykepleieres erfaringer med bruk av ESAS for å kartlegge symptomer hos pasienter med kreft i palliativ fase
Bibliographic record
Abstract
Bakgrunn Pasienter med kreft i palliativ fase har ofte et sammensatt symptombilde med mange\nplagsomme symptomer som reduserer pasientens livskvalitet. Symptomopplevelsen er subjektiv.\nEn forutsetning for effektiv symptomlindring er systematisk symptomkartlegging der bruk av\nstandardiserte kartleggingsverktøy som Edmonton Symptom Assessment System (ESAS)\nanbefales. På tross av denne anbefalingen er det utfordringer med bruk av ESAS i klinisk\npraksis. Sykepleiere er en faggruppe som har en sentral rolle i kartlegging og symptomlindring,\nog er derfor brukere av ESAS.\nHensikt Studien skal utforske sykepleiere sine erfaringer med bruk av ESAS for å kartlegge\nsymptomer hos pasienter med kreft i palliative fase som er innlagt på sykehus.\nMetode Kvalitative dybdeintervjuer av 6 sykepleiere fra 2 onkologiske sengeposter fra et\nsykehus i Helse Sør-Øst Regionen. En semistrukturert intervjuguide basert på problemstillingen\nble benyttet til intervjuene. Datamaterialet ble analysert med Malteruds, Systematisk\ntekstkondensering.\nResultater Sykepleierne opplever ESAS som et nyttig kartleggingsverktøy som gir et bilde av\npasientens subjektive symptombilde og er en inngangsport for samtale med pasientene om deres\nsymptomer, noe som igjen bidrar til bedre symptomlindring og livskvalitet for pasientene.\nRutinemessig bruk vektlegges for å oppnå skjemaets formål, men ESAS brukes likevel i\nvarierende grad, noe som påvirker graden skjemaet bidrar til å systematisere kartleggingen. Flere\nbarrierer og forbedringstiltak for rutinemessig bruk av ESAS ble identifisert av sykepleierne.\nKonklusjon Dersom ESAS skal bidra til å systematisere kartleggingen bør skjemaet brukes\nrutinemessig. Derfor bør fremtidig forskning vektlegge identifisering av barrierer og evaluering\nav tiltak som kan forbygge barrierene som fører til den varierende bruken av ESAS.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.084 | 0.020 |
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".