Traitement du cancer du col de l’utérus et considérations infirmières : pratiques exemplaires pour des soins efficaces
Bibliographic record
Abstract
Au cours des dernières années, la prévention et la détection précoce du cancer du col de l’utérus ont fait de grands progrès. Il n’en reste pas moins que de nombreuses Canadiennes seront touchées par ce type de cancer et auront besoin d’un traitement actif. Les avancées dans les options thérapeutiques personnalisées selon le stade de la maladie et les préférences des patientes en matière de fertilité ont permis de diminuer la morbidité, et celles qui en ont besoin continuent tout de même de recevoir des traitements vigoureux. Les interventions chirurgicales, par exemple, offrent une variété d’options à intention curative, surtout lors des stades précoces de la maladie. La chimiothérapie et radiothérapie concomitantes constituent le traitement usuel pour les cancers de stades II et III, qui se sont propagés au-delà du col. Lorsque la maladie progresse aux stades III et IV, la chimiothérapie conventionnelle combinée à de nouveaux médicaments comme les anticorps monoclonaux et les inhibiteurs de point de contrôle immunitaire donne de l’espoir là où il n’y en avait pas autrefois. Le présent article survole les différents types de traitements et précise le rôle des infirmières, qui sont au premier plan pour favoriser la compréhension et la tolérance du traitement par les patientes, de même que la continuité du plan de soins.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".