P05.19. Outcomes in breast cancer treatment decision-making
Notice bibliographique
Résumé
This case-control study involved telephone interviews at baseline, and completion of spirituality, self-efficacy, and control over treatment DM questionnaires at baseline, 6 months, and 1 year. Forty cases and 40 controls with stage 0-III breast cancer were matched by age, stage of illness, and province. Differences between pairs at each time point, adjusted for the time since diagnosis, were estimated using GEE linear regression models. Seventy-five percent were 40-59 years old, and 80% diagnosed at stage I or II. Cases declined hormone therapy (67%), radiation (65%) and chemotherapy (63%), and used CAM therapies including diet changes (98%), mind-body practices (88%), and herbs (85%). Outcome measures are grouped as follows: (1) general health and wellbeing (Distress Thermometer (DT), Profile of Mood States (POMS); (2) impact of cancer on well-being (Functional Assessment of Cancer Therapy – Breast (FACT-B); and (3) measures of traits, such as personality and beliefs (Multidimensional Health Locus of Control, Spiritual Involvement and Beliefs Scale-Revised (SIBS-R), Control Preferences Scale (CPS), and Generalized Self-Efficacy. No significant differences in the DT (p>0.141) and POMS, except for the anger (p<0.001) and vigor (p=0.001) scales, were found. Cases exhibited higher anger and vigor scores. There were no differences between groups on the FACT-B subscales at any time point. Measures of traits demonstrated differences in spirituality (p<0.001) and control preferences in DM (p<0.001), but not self-efficacy (p=0.208). This study highlights the need for cancer specialists to assess individual needs, provide individualized care, and be open to a patient population with a wide range of beliefs.
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) | 0,003 | 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 ».