Psychosocial Distress in Adult Patients Awaiting Cancer Surgery during the COVID-19 Pandemic
Notice bibliographique
Résumé
Cancer causes substantial emotional and psychosocial distress, which may be exacerbated by delays in treatment. The COVID-19 pandemic has resulted in increased wait times for many patients with cancer. In this study, the psychosocial distress associated with waiting for cancer surgery during the pandemic was investigated. This cross-sectional, convergent mixed-methods study included patients with lower priority disease during the first wave of COVID-19 at an academic, tertiary care hospital in eastern Canada. Participants underwent semi-structured interviews and completed two questionnaires: Hospital Anxiety and Depression Scale (HADS) and Perceived Stress Scale (PSS). Qualitative analysis was completed through a thematic analysis approach, with integration achieved through triangulation. Fourteen participants were recruited, with cancer sites including thyroid, kidney, breast, prostate, and a gynecological disorder. Increased anxiety symptoms were found in 36% of patients and depressive symptoms in 14%. Similarly, 64% of patients experienced moderate or high stress. Six key themes were identified, including uncertainty, life changes, coping strategies, communication, experience, and health services. Participants discussed substantial distress associated with lifestyle changes and uncertain treatment timelines. Participants identified quality communication with their healthcare team and individualized coping strategies as being partially protective against such symptoms. Delays in surgery for patients with cancer during the COVID-19 pandemic resulted in extensive psychosocial distress. Patients may be able to mitigate these symptoms partially through various coping mechanisms and improved communication with their healthcare teams.
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 ».