Predictors of arm morbidity following breast cancer surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Arm morbidity post-breast cancer surgery is increasingly being recognized as a chronic problem for some women following breast cancer surgery. The purpose of this study was to examine demographic, disease, and treatment-related predictors of a comprehensive array of chronic arm morbidity (pain, lymphedema, functional disability, and range of motion) post-breast cancer surgery. METHODS: Women (n=316) with a non-metastatic primary diagnosis of breast cancer were accrued from cancer centers in four Canadian cities. Patients completed a clinical assessment and measures of arm morbidity at 6-12 months post-breast cancer surgery. The independent variables in the MANOVA to predict arm morbidity included: Lymph node management type, number of axillary nodes dissected, type of surgery, disease stage, presence of post-operative infection, radiation to the axilla, body mass index (BMI), assessment time post-surgery, education, and partner status. RESULTS: Pain was significantly predicted by axillary lymph node management, lack of a partner, and post-operative infection; lymphedema by axillary lymph node management, number of axillary nodes dissected, radiation to the axilla, and having a modified radical mastectomy; functional disability by post-operative infection and high BMI; and restricted external rotation by axillary lymph node management, low educational attainment, and advanced disease. CONCLUSION: Comprehensive behavioral management and rehabilitation programs are needed to treat arm morbidity following breast cancer surgery. These programs should address the full scope of symptoms and associated psychosocial and functional sequelae.
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.
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) | 0,001 | 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) | 0,001 | 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 découle