The FCR‐1: Initial validation of a single‐item measure of fear of cancer recurrence
Notice bibliographique
Résumé
OBJECTIVE: Fear of cancer recurrence (FCR) is characterized by the fear, worry or concern that cancer will come back or progress. The negative effects associated with FCR are consistently identified by cancer survivors as one of their most prominent unmet needs. Current measures of FCR can be long, complex and burdensome for survivors to complete. The objective of the present study is to develop and validate a one-item measure of FCR. METHODS: The ability of the FCR-1 to detect change in FCR over time was analyzed using a repeated-measures ANOVA and paired-samples t-tests. Pearson correlations were used to measure the concurrent, convergent and discriminant validity of the FCR-1, and a ROC analysis was conducted to determine an optimal clinical cut-off score. RESULTS: The FCR-1 was found to be responsive to change in FCR over time. It demonstrated concurrent validity with the FCRI (r = .395, P = .010), and convergent validity with the Mishel Uncertainty in Illness Scale (r = .493, P = .001) and the Reassurance Questionnaire (r = .325, P = .044). Discriminant validity was confirmed when the FCR-1 did not significantly correlate with unrelated measures. A ROC analysis pinpointed an optimal clinical cut-off score of 45.0. CONCLUSIONS: The FCR-1 is a promising tool that can be incorporated in clinical and research settings. Due to its brevity, the care needs of highly distressed patients can be met quickly and efficiently. In research settings, the FCR-1 can reduce the cognitive burden experienced by survivors.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».