The Prevalence and Nature of Supportive Care Needs in Lung Cancer Patients
Notice bibliographique
Résumé
PURPOSE: In the present work, we set out to comprehensively describe the unmet supportive care and information needs of lung cancer patients. METHODS: This cross-sectional study used the Supportive Care Needs Survey Short Form 34 (34 items) and an informational needs survey (8 items). Patients with primary lung cancer in any phase of survivorship were included. Demographic data and treatment details were collected from the medical charts of participants. The unmet needs were determined overall and by domain. Univariable and multivariable regression analyses were performed to determine factors associated with greater unmet needs. RESULTS: From August 2013 to February 2014, 89 patients [44 (49%) men; median age: 71 years (range: 44-89 years)] were recruited. The mean number of unmet needs was 8 (range: 0-34), and 69 patients (78%) reported at least 1 unmet need. The need proportions by domain were 52% health system and information, 66% psychological, 58% physical, 24% patient care, and 20% sexuality. The top 2 unmet needs were "fears of the cancer spreading" [n = 44 of 84 (52%)] and "lack of energy/tiredness" [n = 42 of 88 (48%)]. On multivariable analysis, more advanced disease and higher MD Anderson Symptom Inventory scores were associated with increased unmet needs. Patients reported that the most desired information needs were those for information on managing symptoms such as fatigue (78%), shortness of breath (77%), and cough (63%). CONCLUSIONS: Unmet supportive care needs are common in lung cancer patients, with some patients experiencing a very high number of unmet needs. Further work is needed to develop resources to address those needs.
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 ».