Epidemiology of cancer‐related fatigue in the Swedish twin registry
Notice bibliographique
Résumé
BACKGROUND: Estimates of the prevalence of cancer-related fatigue (CRF) are wide, and data suggest that fatigue is more prevalent among cancer patients than among the general population. However, most studies examining the prevalence of CRF have been hospital-based or clinic-based studies, which often are subject to bias. METHODS: Point prevalence and prevalence odds ratios of fatigue were estimated using data from a large, population-based cohort that was screened for fatigue and linked with national registry-based data about cancer. Prevalence odds ratios and 95% confidence intervals were calculated using logistic regression with general estimating equations. RESULTS: Approximately 23% of cancer registrants reported abnormal fatigue in the previous 6 months, 19% reported abnormal fatigue that lasted for at least 1 month, 14% reported abnormal fatigue that lasted at least 6 months, and 11% reported abnormal fatigue that lasted at least 6 months and caused significant functional impairment. Individuals who were listed in the cancer registry within the last 5 years were more likely to report experiencing fatigue than individuals who were not listed. There was an elevated prevalence of fatigue among those who were registered with carcinomas of the lung, uterine cervix, colon-rectum, ovaries, and prostate. Both women and men who were listed recently in the cancer registry were more likely to experience any level of fatigue than the comparison group. However, a greater proportion of women experienced fatigue relative to men. CONCLUSIONS: A greater proportion of individuals who were listed in a national cancer registry reported experiencing fatigue compared with individuals in the general population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».