Patterns of health care-related multimorbidity among breast cancer survivors.
Notice bibliographique
Résumé
115 Background: Breast cancer survivors may experience multiple health conditions, both pre-existing and related to the cancer and its treatment. The objective of this study is to evaluate the total burden of healthcare-related morbidity and multimorbidity among breast cancer survivors, in the first five years from diagnosis. Methods: A population-based cohort of 6,944 female five-year breast cancer survivors, diagnosed at 18 years or older from 2000-2003, was identified from the Cancer Registry of the province of British Columbia, Canada, and followed to end 2008. Subjects were linked to all their provincial healthcare records of hospitalizations and outpatient physician service claims, excluding oncology and emergency visits, from diagnosis to 5 years post-diagnosis. International Classification of Disease (ICD) diagnostic codes for “reason for service” were extracted, then assigned to one of 32 diagnosis groups (Aggregated Diagnosis Groups (ADGS)) of the Johns Hopkins Adjusted Clinical Group (ACG) System. The ACG system aggregates diagnoses with similar expected demand for healthcare, primarily based on level of severity and persistence of disease. ADG distributions were generated. Results: Only 380(5.5%) of the survivors were < 40 years old at diagnosis; 1670(24.1%) were > 70 years. The majority (5648(81.3%)) were Stage I or II. In the 5 year period from diagnosis, most patients had at least one type of morbidity, with 47% having 11-15 different types of morbidities. Over 90% of survivors had reports of major ( = very high expected healthcare resource use) signs or symptoms, 3258 (46.9%) survivors experienced major adverse effects/injuries, 3232 (46.5%) had unstable chronic medical conditions, and 2696 (38.8%) had major time-limited infections. Approximately 49.3% had stable or unstable psychosocial conditions. Conclusions: Breast cancer patients experience extensive multimorbidity within five years of diagnosis, with high expected healthcare utilization. These results highlight the importance of comprehensive multimorbidity assessment, with care recommendations, included in cancer survivorship care plans.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».