MétaCan
Menu
Retour à la cohorte
Enregistrement W2892196452 · doi:10.6004/jnccn.2018.7038

Ability to Predict New-Onset Psychological Distress Using Routinely Collected Health Data: A Population-Based Cohort Study of Women Diagnosed With Breast Cancer

2018· article· en· W2892196452 sur OpenAlexaff
Ania Syrowatka, James A. Hanley, Daniala L. Weir, William G Dixon, Ari N. Meguerditchian, Robyn Tamblyn

Notice bibliographique

RevueJournal of the National Comprehensive Cancer Network · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensMcGill University Health CentreCanadian Foundation for Healthcare ImprovementMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerSurvivorship curvePopulationAnxietyCohortIncidence (geometry)DistressCancerInternal medicinePsychiatryClinical psychology

Résumé

récupéré en direct d'OpenAlex

Objectives: The primary objective of this study was to identify the predictors of new-onset psychological distress available in routinely collected administrative health databases for women diagnosed with breast cancer. The secondary objective was to explore whether the predictors vary based on the period of cancer care. Methods: A population-based cohort study followed 16,495 female patients with newly diagnosed breast cancer who did not experience psychological distress during the 14 months before breast cancer surgery. The incidence of psychological distress was reported overall and by type of mental health problem. Time-varying Cox proportional hazards models were developed to identify predictors of new-onset psychological distress during 2 key periods of cancer care: (1) hospital-based treatment during which women undergo treatment with breast surgery, chemotherapy, and/or radiation, and (2) 1-year transitional survivorship when women begin follow-up care. Results: The incidence of psychological distress was 16% within each period. Anxiety was present in 85.1% and 65.5% of new cases during hospital-based treatment and transitional survivorship, respectively. Predictors during both periods were younger age, receipt of axillary lymph node dissection, rheumatologic disease, and baseline menopausal symptoms, as well as new opioid dispensations, emergency department visits, and hospital contacts that occurred during follow-up. Other predictors varied based on the period of cancer care. More advanced breast cancer and type of treatment were associated with onset of psychological distress during hospital-based treatment. Psychological distress during transitional survivorship was predicted by diagnosis of localized breast disease, shorter duration of hospital-based treatment, receipt of additional hospital-based treatment in survivorship, and newly diagnosed comorbidities or symptoms. Conclusions: This study identified the predictors of new-onset psychological distress available in routinely collected administrative health databases, and showed how predictors change between hospital-based treatment and transitional survivorship periods. The results highlight the importance of developing predictive models tailored to the period of cancer care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,386
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the National Comprehensive Cancer NetworkMême sujetCancer survivorship and careTravaux en français237 207