主题与子主题

资源简介

主题与子主题

【一句话概览】

本数据集是 figshare 公开的文本数据集，收录 1 个文件、合计 5.63 KB，主题涵盖 undertaken across pubmed、synthesize existing evidence、provide critical insights、preferred reporting items、mesh terms related，可用于医学自然语言处理（实体识别、信息抽取等），CC BY 4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《Themes and sub-themes.》。源站首次发布：2026-02-12。

【数据内容】

源站原始描述：Background Patients with serious illnesses, especially those with cancer, require information and good communication throughout their care. Effective communication is pivotal for quality cancer care, leading to improved quality of life, reduced anxiety, enhanced patient satisfaction, and adherence with treatment recommendations. Considering this, programs including serious illness conversation guides have been developed and implemented internationally (e.g., in the US) to improve communication s…

中文译文（机器翻译，仅供快速理解，请以原文为准）：背景 重病患者，尤其是癌症患者，在整个照护过程中都需要信息和良好的沟通。有效沟通对于高质量癌症照护至关重要，可改善生活质量、减轻焦虑、提高患者满意度并促进对治疗建议的依从性。鉴于此，国际上（如美国）已开发并实施包括重病对话指南在内的项目，以改善肿瘤照护中的沟通技能。尽管许多中低收入国家的癌症发病率和死亡率负担日益加重，但预后和治疗选择却很少被讨论，这可能与非洲背景下缺乏具有文化敏感性的指南有关。值得注意的是，加纳的癌症患病率和发病率正出现令人担忧的增长。然而，关于加纳癌症患者沟通和信息需求的信息却十分匮乏。本综述将提供关键见解，以指导制定或调整适合加纳背景、具有文化敏感性的指南/框架，并可能适用于面临类似社会文化和卫生系统动态的其他非洲国家。 目的 本范围综述旨在探讨并综合关于加纳癌症患者沟通和信息需求的现有证据。 方法 使用与癌症、沟通/信息及加纳相关的关键词和MeSH主题词，采用布尔运算符“OR”“AND”，在PubMed、Web of Science、CINAHL、EMBASE和PsycINFO数据库中进行系统检索。本范围综述以Arksey和O’Malley提出的五阶段方法学框架为指导，并进一步采用系统综述和荟萃分析优先报告条目扩展版——范围综述（PRISMA-ScR）以确保全面报告。 结果 8项发表于2019年至2023年的研究符合纳入标准。识别出两个主要主题及其子主题，包括：（1）信息和沟通体验（（i）隐瞒信息，（ii）沟通中断，（iii）告知坏消息，（iv）权力不对称——对医疗服务提供者的顺从），以及（2）沟通和信息需求与期望（（i）关于疾病状况的信息，（ii）关于癌症治疗的信息，（iii）关于预后的信息，（iv）持续信息，（v）参与决策）。 结论 加纳癌症患者强烈希望获得有关其病情的信息，并期望参与决策。尽管癌症患者希望获得全面信息和共同决策，但医疗沟通中的…

【数据结构与技术规格】

文件数 1 个，合计 5.63 KB。Table 4.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0343094.t004。

【主题与分类】

源站学科分类：Medicine、Biotechnology、Cancer、Science Policy、Infectious Diseases。主题标签：undertaken across pubmed、synthesize existing evidence、provide critical insights、preferred reporting items、mesh terms related、culturally sensitive guidelines、breaking bad news、although many low、including limited accessibility、improve healthcare provider。

【适用方向】

文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面：https://plos.figshare.com/articles/dataset/_p_Themes_and_sub-themes_p_/31326867

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Agyei, Kofi Gyasi; Yahaya, Ahmed-Rufai; LeBlanc, Natalie; Loh, Kah Poh; Norton, Sally A. (2026). Themes and sub-themes.. PLOS ONE. Dataset