MétaCan
Menu
Retour à la cohorte
Enregistrement W2030868639 · doi:10.1080/07347332.2013.822052

Risk Factors for Continuous Distress Over a 12-Month Period in Newly Diagnosed Cancer Outpatients

2013· article· en· W2030868639 sur OpenAlexafffund
Aganeta Enns, Amy Waller, Shannon L. Groff, Barry D. Bultz, Tak Fung, Linda E. Carlson

Notice bibliographique

RevueJournal of Psychosocial Oncology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensBaker Hughes (Canada)University of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineAnxietyDistressDepression (economics)Logistic regressionPsychological interventionPhysical therapyInternal medicinePsychiatryClinical psychology

Résumé

récupéré en direct d'OpenAlex

This analysis examined demographic and medical factors associated with continuous distress in the year following cancer diagnosis. Patients completed the Distress Thermometer, Fatigue and Pain Thermometers, and anxiety and depression measures, at baseline, 3-, 6-, and 12 months. A total of 480 patients were grouped into three trajectories for distress, pain, fatigue, anxiety, and depression. Logistic regression analyses were conducted to determine risk factors associated with each symptom pattern. Females were more likely to report continuous distress. Predictors of the remaining outcomes included younger age; a diagnosis of head and neck, gastrointestinal, or prostate cancer; and receipt of chemotherapy and radiation therapy. By identifying risk factors for continuous distress, interventions can be implemented more efficiently and targeted to those who are at an elevated risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,338
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Psychosocial OncologyMême sujetCancer survivorship and careTravaux en français237 207