Living with cancer: ?Good? days and ?bad? days?What produces them?
Notice bibliographique
Résumé
BACKGROUND: To determine the impact of care on quality of life (QOL), or to detect a change in QOL over time, measures of QOL must remain stable when QOL is stable (test-retest reliability) and change when QOL changes (responsiveness). This study addresses these issues for the McGill Quality of Life Questionnaire (MQOL). Unlike other studies that use disease status to indicate whether QOL has remained stable or changed, in this study the patient determines QOL stability or change. The authors also sought to clarify the determinants of "good" and "bad" days for oncology patients. METHODS: Patients attending an oncology outpatient clinic or who were being treated by a palliative care service were asked to complete MQOL 4 times: on days they judged to be "good," "average," and "bad" and 2 days after the first completion. They also were asked to directly rate the change in their QOL during the intervals between MQOL completion and to report the most important determinants of their good and bad days. RESULTS: The test-retest reliability of MQOL as measured by an intraclass correlation coefficient ranged from 0.69 to 0.78. All MQOL scores were significantly different on good, average, and bad days, except for the support subscale, in both clinical settings. Five domains were determinants of QOL: physical symptoms, physical functioning, psychologic well-being, existential well-being, and relationships. CONCLUSIONS: MQOL's reliability and responsiveness suggest it can be used to determine changes in the QOL of groups. The results allow interpretation of changes in MQOL scores with respect to meaning of the change to oncology patients. This in turn is helpful to determine the sample size required in future studies. Some of the domains important to the QOL of oncology patients are not included in widely used measures of QOL.
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) | 0,006 | 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 ».