Routine screening for suicidal intention in patients with cancer
Notice bibliographique
Résumé
OBJECTIVES: Suicide rates are elevated in individuals with cancer, although suicidal intention is not typically assessed in cancer centers. We evaluated in a large comprehensive cancer center the utility of an electronic Distress Assessment and Response Tool (DART), in which suicidal intention is assessed with a single item. METHODS: Patients attending cancer clinics completed DART as part of routine care. DART includes measures of physical symptoms, depression, anxiety, social difficulties, and practical concerns. Medical variables were obtained from the Princess Margaret Cancer Registry, the data warehouse of cancer patient statistics. A Generalized Estimating Equation (GEE) model was used to assess factors associated with suicidal intention. RESULTS: Between September 2009 and March 2012, 4822/5461 patients (88.3%) who completed DART consented to the use of their data for research. Amongst the latter, 280 (5.9%) of the 4775 patients who answered the question reported suicidal ideation, which was related to physical and psychological distress, and social difficulties (ps < 0.0001). Amongst those with ideation who responded to the intention question, 20/186 (10.8%) reported suicidal intention. Of respondents with more severe suicidal ideation, 12/49 (24.5%) reported suicidal intention. Using a GEE model, suicidal intention in those with ideation was significantly associated with male sex, difficulty making treatment decisions, and with everyday living concerns. CONCLUSIONS: Suicidal ideation is reported on an electronic distress screening tool (DART) by almost 6% of cancer patients, of whom almost 11% report suicidal intention and 33% decline to indicate intention. DART demonstrated utility in identifying patients who may be at highest risk of completed suicide and who require urgent clinical assessment.
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) | 0,001 | 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 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 ».