Factors Related to Persistent Fatigue Following Completion of Breast Cancer Treatment
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To verify the predictive capacity of the stress-process theory to emeanplain persistent fatigue following completion of breast cancer treatments; to verify the relationship between interleukin-1b and fatigue. DESIGN: Correlational. SETTING: Tertiary medical center in Quebec City, Canada. SAMPLE: A systematic sample of 103 women in remission from breast cancer was recruited. The mean age was 54 years. Participants with a depressive mood, insomnia, or stage IV cancer were emeancluded. METHODS: Participants were met during their follow-up appointment after the end of radiation therapy. Questionnaires on fatigue, stress variables, and other confounding variables were completed by telephone interview. Blood samples also were collected to measure the serum level of interleukin-1b. MAIN RESEARCH VARIABLES: Fatigue, several variables from the stress-process theory, pain, menopausal symptoms, and demographic and medical variables. FINDINGS: Fatigue was related theoretically and coherently to many stress-process variables. By controlling for pain, the final regression model included cancer stressors and passive and active coping as predictors, which accounted for 41% of the variance in fatigue. No relationship was found between fatigue and interleukin-1b. CONCLUSIONS: The results supported the relevance of the stress-process theory for emeanplaining cancer-related fatigue. IMPLICATIONS FOR NURSING: Nursing interventions based on this theoretical framework could be developed. In addition, further clinical research that tests the efficacy of these psycho-educative interventions in preventing persistent fatigue and improving the quality of life of women with breast cancer is recommended.
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) | 0,000 | 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 ».