Mental Health Resource Use Among Patients Undergoing Curative Intent Treatment for Bladder Cancer
Notice bibliographique
Résumé
BACKGROUND: Patients with bladder cancer may experience mental health distress. Mental health-care service (MHS) use can quantify the magnitude of the problem. METHODS: The Ontario Cancer Registry was used to identify all patients with bladder cancer treated with curative-intent cystectomy or radiotherapy in Ontario, Canada (2004-2013). Population-level databases were used to identify MHS use (visits to general practitioner, psychiatrist, emergency department, or hospitalization). Generalized estimating equations were used to compare rates of MHS use. Baseline, peritreatment, and posttreatment MHS use were defined as visits from 2 years to 3 months before, 3 months before to 3 months after, and from 3 months after to 2 years after start of treatment, respectively. RESULTS: From 2004 to 2013, 4296 patients underwent cystectomy (n = 3332) or curative-intent radiotherapy (n = 964). Compared with baseline, the rate of MHS use was higher in the peritreatment (adjusted rate ratio [aRR] = 1.64, 95% confidence interval [CI] = 1.48 to 1.82) and posttreatment periods (aRR = 1.45, 95% CI =1.30 to 1.63). By 2 years posttreatment, 24.6% (95% CI = 23.4% to 25.9%) of all patients had MHS use. Patients with baseline MHS use had substantially higher MHS use in the peritreatment (aRR = 5.77, 95% CI = 4.86 to 6.86) and posttreatment periods (aRR = 4.58, 95% CI = 3.78 to 5.55). Female patients had higher use MHS use overall, but males had a higher incremental increase in the posttreatment period compared with baseline (2-sided Pinteraction = .02). Male patients had a statistically significant increase in MHS use following surgery or radiotherapy, whereas female patients only had an increase following surgery. CONCLUSIONS: MHS use is common among patients undergoing treatment for bladder cancer, particularly in the peritreatment period. Screening for mental health concerns in this population is warranted.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».