Efficacy and medical cost offset of psychosocial interventions in cancer care: Making the case for economic analyses
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
The burden of cancer in the worldwide context continues to grow, as incidence and mortality increase each year. Regardless of where they live, a significant proportion of cancer patients at all stages of the disease trajectory will suffer social, emotional and psychological morbidity as a result of their diagnosis and treatment. Psychosocial interventions have proven efficacious in helping patients and families overcome many of the challenges that arise consequent to a cancer diagnosis. Addressing psychosocial needs is an essential aspect of any model of adequate cancer care, however it may also prove to be a cornerstone in efforts to extend the reach of cost-effective cancer treatment to meet the growing global need. In order to set the stage for discussion of economic issues, this paper first briefly reviews the literature detailing the extent of distress and the efficacy of psychosocial treatments for cancer patients. This is followed by a summary of terminology and costing concepts in the economic evaluation of psychosocial treatments, and a review of the literature on medical cost offset in mental health, other medical populations, and in cancer patients. The literature clearly supports the notion that psychosocial interventions are not only effective, but also economical. Conclusions support adding costing data into evaluations of the efficacy of psychosocial treatments in order to detail the often present but usually overlooked long-term cost savings that may be accrued to overburdened health-care systems.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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