Patterns and predictors of clustered risky health behaviors among adult survivors of childhood cancer: A report from the Childhood Cancer Survivor Study
Notice bibliographique
Résumé
BACKGROUND: Health complications related to childhood cancer may be influenced by risky health behaviors (RHBs), particularly when RHBs co-occur. To the authors' knowledge, only limited information is available describing how RHBs cluster among survivors of childhood cancer and their siblings and the risk factors for co-occurring RHBs. METHODS: Latent class analysis was used to identify RHB clusters using longitudinal survey data regarding smoking, alcohol use, and physical activity from adult survivors (4184 survivors) and siblings (1598 siblings) in the Childhood Cancer Survivor Study. Generalized logistic regression was used to evaluate associations between demographic characteristics, treatment exposures, psychological distress, health conditions, and cluster membership. RESULTS: Three RHB clusters were identified: a low-risk cluster, an insufficiently active cluster, and a high-risk cluster (tobacco and risky alcohol use and insufficient activity). Compared with siblings, survivors were more likely to be in the insufficiently active cluster (adjusted odds ratio [ORadj ], 1.17; 95% confidence interval [95% CI], 1.06-1.27) and were less likely to be in the high-risk cluster (ORadj , 0.79; 95% CI, 0.69-0.88). Risk factors for membership in the high-risk cluster included psychological distress (ORadj , 2.76; 95% CI, 1.98-3.86), low educational attainment (ORadj , 7.49; 95% CI, 5.15-10.88), income <$20,000 (ORadj , 2.62; 95% CI, 1.93-3.57), being divorced/separated or widowed (ORadj , 1.36; 95% CI, 1.03-1.79), and limb amputation (ORadj , 1.52; 95% CI, 1.03-2.24). Risk factors for the insufficiently active cluster included chronic health conditions, psychological distress, low education or income, being obese or overweight, female sex, nonwhite race/ethnicity, single marital status, cranial radiation, and cisplatin exposure. CONCLUSIONS: RHBs co-occur in survivors of childhood cancer and their siblings. Economic and educational disadvantages and psychological distress should be considered in screening and interventions to reduce RHBs. Cancer 2016. © 2016 American Cancer Society. Cancer 2016;122:2747-2756. © 2016 American Cancer Society.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».