Predicting Depression and Quality of Life among Long‐term Head and Neck Cancer Survivors
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study is to identify clinical factors that are predictive of depression and quality of life (QOL) among long-term survivors of head and neck squamous cell carcinoma and to develop predictive scores using these factors. STUDY DESIGN: Cohort study SETTING: Tertiary referral center. SUBJECTS AND METHODS: A total of 209 posttreatment (median follow-up, 38.7 months) head and neck cancer patients were prospectively evaluated using the Hospital Anxiety Depression Scale (HADS), the European Organization for Research and Treatment of Cancer (EORTC) Quality of Life Questionnaire Core 30, and the EORTC Quality of Life Questionnaire Head and Neck 35, and pretreatment patient-related, tumor-related, and treatment-related predictors were identified using chart review. Bivariate (χ(2) and t test) and multivariate (linear regression) analyses were used to construct predictive models. RESULTS: Significant pretreatment predictors of depression were identified on multivariate analysis as smoking at diagnosis, >14 alcoholic drinks per week, T3 or T4 status, and >3 medications (P < .001). Two or more of these factors yielded an 82.3% sensitivity in detecting significant depressive symptoms (defined as a HADS cutoff score of 5). Significant predictors of fatigue, global health/QOL, social contact, speech, pain, swallowing, and xerostomia were also identified. CONCLUSION: Pretreatment predictors of long-term depression and QOL have been defined using multivariate models, and an easily applicable predictive score of long-term depression is proposed. Potential eventual clinical applications include prophylactic intervention in at-risk patients.
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 ».