Quality of Life (QoL) of cancer patients and its association with nutritional and performance status: A pilot study
Notice bibliographique
Résumé
Background Quality of Life (QoL), for long, has been a multifactorial concerning issue in oncology. The aim of this study was to determine QoL of cancer patients and its association with nutrition, and performance status. Methodology This was a hospital based cross-sectional study carried out at 2 cancer centers and one tertiary level hospital in Dhaka city during the months of July to December, 2019. Data was collected through structured interviews and analyzed by SPSS-25 statistical package software. Results Among 279 participants, 14(5.02%) had high QoL, 35(12.54%) had average QoL, 150(53.76%) had low QoL, and remaining 80(28.67%) had very low QoL. The prevalence of severe malnutrition was 12.5% and 43.7% of patients had poor performance status. A statistically significant association between QoL and, nutritional and performance status was identified (p < 0.05) . The ANOVA also indicated a statistically significant variation in QoL score among nutritional categories (P < 0.01) and performance status (P = 0.013). Conclusion A relatively higher prevalence of poor QoL was identified in this study which varies among nutritional categories and performance statuses. The proper management of predictors of QoL is imperative during treatment procedures.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,002 | 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 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 ».