Depression and functional status in colorectal cancer patients awaiting surgery: Impact of a multimodal prehabilitation program.
Notice bibliographique
Résumé
OBJECTIVE: Depression and poor functional status (FS) frequently co-occur. Though both predict adverse surgical outcomes, research examining preoperative functional performance (FP; self-reported) and functional capacity (FC; performance-based) measures in depressed cancer patients is lacking. Prehabilitation, a preoperative intervention including exercise, nutrition, and stress-reduction, may improve FC; however, whether depressed patients benefit from this intervention remains unknown. The primary objectives were to (a) assess differences in FP and FC and (b) explore the impact of prehabilitation on FC in individuals with depressive symptoms versus those without. METHOD: A secondary analysis was conducted on 172 colorectal cancer patients enrolled in three studies comparing prehabilitation with a control group (rehabilitation). Measures were collected at 4 weeks pre- and 8 weeks postoperatively. FP, FC, and psychological symptoms were assessed using the 36-Item Short Form Health Survey, Six-Minute Walk Distance (6MWD), and Hospital Anxiety and Depression Scale (HADS), respectively. Subjects were divided into three groups according to baseline psychological symptoms: no psychological-symptoms (HADS-N), anxiety-symptoms (HADS-A), or depressive-symptoms (HADS-D). Main objectives were tested using analyses of variance, chi-square tests, and multivariate logistic regression. RESULTS: At baseline, HADS-D reported lower FP, had shorter 6MWD, and a greater proportion walked ≤ 400 m. Prehabilitation was associated with significant improvements in 6MWD in HADS-D group but not in HADS-N or HADS-A groups. CONCLUSION: Poorer FS was observed in subjects with depressive symptoms, and these subjects benefited most from prehabilitation intervention. Future research could examine whether severity of depression and co-occurrence of anxiety differentially impact FS and whether prehabilitation can improve psychological symptoms and quality of life. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».