PERSPECTIVES INTERNATIONALES : Liens entre les variables démographiques, économiques et cliniques et les symptômes rapportés par les patients en cours de traitement contre le cancer
Notice bibliographique
Résumé
Objectif : Examiner le lien entre les variables démographiques, économiques et cliniques, les symptômes de cancer et les entraves aux activités quotidiennes chez des patients brésiliens recevant des traitements contre le cancer. Méthodologie : La présente étude transversale s’est penchée sur le cas de 268 patients, qui ont dû répondre à un questionnaire recueillant des données démographiques, économiques et cliniques, en plus d’évaluer leurs symptômes à l’aide de l’inventaire de symptômes MD Anderson (MD Anderson Symptom Inventory – MDASI). Les données ont été soumises à des analyses statistiques descriptives bivariées et multivariées. Résultats : Les variables suivantes étaient associées à des symptômes plus prononcés : sexe féminin (taux de prévalence [TP]=1,28; intervalle de confiance de 95 % [IC 95 %], 1,06-1,53); analphabétisme ou ≤ 9 années de scolarité formelle (TP=1,40; IC 95 %, 1,08-1,82); équipement médical ou situations nécessitant des soins infirmiers (TP=1,23; IC 95 %, 1,03-1,46); antécédents familiaux de cancer (TP=1,23; IC 95 %, 1,04-1,45). Les entraves aux activités quotidiennes étaient associées aux facteurs suivants : sexe féminin (TP=1,40; IC 95 %, 1,12-1,75); tumeur secondaire (TP=1,42; IC 95 %, 1,16-1,74), radiothérapie (TP=1,24; IC 95 %, 1,01-1,51). Conclusion : La gestion des patients atteints de cancer nécessite des connaissances multidisciplinaires qui tiennent compte de toutes leurs dimensions subjectives. En connaissant le profil des patients vivant les symptômes les plus intenses, nous pourrons les aider à s’adapter aux limites et aux conséquences qu’entraînent la maladie et le traitement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».