Work functioning trajectories in cancer patients: Results from the longitudinal Work Life after Cancer (WOLICA) study
Notice bibliographique
Résumé
More than 60% of cancer patients are able to work after cancer diagnosis. However, little is known about their functioning at work. Therefore, the aims of this study were to (1) identify work functioning trajectories in the year following return to work (RTW) in cancer patients and (2) examine baseline sociodemographic, health-related and work-related variables associated with work functioning trajectories. This longitudinal cohort study included 384 cancer patients who have returned to work after cancer diagnosis. Work functioning was measured at baseline, 3, 6, 9 and 12 months follow-up. Latent class growth modeling (LCGM) was used to identify work functioning trajectories. Associations of baseline variables with work functioning trajectories were examined using univariate and multivariate analyses. LCGM analyses with cancer patients who completed on at least three time points the Work Role Functioning Questionnaire (n = 324) identified three work functioning trajectories: "persistently high" (16% of the sample), "moderate to high" (54%) and "persistently low" work functioning (32%). Cancer patients with persistently high work functioning had less time between diagnosis and RTW and had less often a changed meaning of work, while cancer patients with persistently low work functioning reported more baseline cognitive symptoms compared to cancer patients in the other trajectories. This knowledge has implications for cancer care and guidance of cancer patients at work.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».