Depression Screening and Patient Outcomes in Cancer: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Several practice guidelines recommend screening for depression in cancer care, but no systematic reviews have examined whether there is evidence that depression screening benefits cancer patients. The objective was to evaluate the potential benefits of depression screening in cancer patients by assessing the (1) accuracy of depression screening tools; (2) effectiveness of depression treatment; and (3) effect of depression screening, either alone or in the context of comprehensive depression care, on depression outcomes. METHODS: Data sources were CINAHL, Cochrane, EMBASE, ISI, MEDLINE, PsycINFO and SCOPUS databases through January 24, 2011; manual journal searches; reference lists; citation tracking; trial registry reviews. Articles on cancer patients were included if they (1) compared a depression screening instrument to a valid criterion for major depressive disorder (MDD); (2) compared depression treatment with placebo or usual care in a randomized controlled trial (RCT); (3) assessed the effect of screening on depression outcomes in a RCT. RESULTS: There were 19 studies of screening accuracy, 1 MDD treatment RCT, but no RCTs that investigated effects of screening on depression outcomes. Screening accuracy studies generally had small sample sizes (median = 17 depression cases) and used exploratory methods to set sample-specific cutoff scores that varied substantially across studies. A nurse-delivered intervention for MDD reduced depressive symptoms moderately (effect size = 0.37). CONCLUSIONS: The one treatment study reviewed reported modest improvement in depressive symptoms, but no evidence was found on whether or not depression screening in cancer patients, either alone or in the context of optimal depression care, improves depression outcomes compared to usual care. Depression screening in cancer should be evaluated in a RCT in which all patients identified as depressed, either through screening or via physician recognition and referral in a control group, have access to comprehensive depression care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».