MétaCan
Menu
← Retour à la cohorte
Enregistrement W3168343092 · doi:10.1200/jco.2021.39.15_suppl.e18583

Patient-reported outcomes predicting non-fatal self-injury after a cancer diagnosis: A population-based case-control study.

2021· article· en· W3168343092 sur OpenAlexaffabout
Julie Hallet, Rinku Sutradhar, Elie Isenberg‐Grzeda, Christopher W. Noel, Alyson Mahar, Simone N. Vigod, James M. Bolton, Julie M. Deleemans, Wing‐Lok Chan, Victoria Zuk, Natalie G. Coburn, Antoine Eskander

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensUniversity of CalgaryUniversity of TorontoUniversity Health NetworkSunnybrook HospitalHealth Sciences CentrePrincess Margaret Cancer CentreUniversity of ManitobaSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineConditional logistic regressionCancerLogistic regressionDistressPopulationInternal medicinePediatricsCase-control studyClinical psychologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

e18583 Background: Psychological distress is key in cancer care. Non-fatal self-injury (NFSI) represents a patient-centred, objectively measured manifestation of the greatest level of distress occurring in 3 out of 1,000 patients after a new cancer diagnosis. How to identify patients at high risk for NFSI remains unknown. We examined the relationships between routinely collected patient-reported outcomes measures and the risk of subsequent NFSI following a cancer diagnosis. Methods: We conducted a population-based case-control study of patients with a new cancer diagnosis (2007-2019) reporting a Edmonton Symptom Assessment (ESAS) score within 36 months of diagnosis. Cases were patients with NFSI within 36 months of diagnosis and controls those without NFSI (assigned a dummy index date corresponding to the case’s NFSI). Cases and controls were matched 1:4 on time from cancer diagnosis, ESAS record in 180 days prior index, age, sex, cancer site, and history of self-injury. Multivariable conditional logistic regression assessed the association between moderate-to-severe ESAS symptoms and total ESAS (t-ESAS) score with NFSI within 180 days. Results: Of 408,858 patients reporting >1 ESAS within 36 months of cancer diagnosis, 748 patients had a NFSI, including 425 patients with an ESAS score within 180 days preceding the NFSI event. Of those 406 cases were matched to 1,624 controls without NFSI. Cases reported a higher proportion of moderate-to-severe symptoms and higher t-ESAS than controls prior to the event (p < 0.01 for all). After adjusting for psychiatric illness history and cancer therapy received, reporting of moderate-to-severe anxiety (odds ratio – OR 1.61, 95%CI 1.14-2.27), depression (OR 1.66, 95%CI 1.2-2.31), and shortness of breath (OR 1.65, 955CI 1.18-2.31) were independently associated with higher risk of NFSI within 180 days. Each 10-point increase in t-ESAS (score 0-90) was independently associated with increased risk of NFSI within 180 days (OR 1.51; 95%CI 1.40-1.63). Conclusions: Reporting moderate-to-severe anxiety, depression, and shortness of breath, and increasing t-ESAS after cancer diagnosis are associated with higher odds of NFSI in the following 180 days. These data support the prospective identification of patients at high risk for NFSI via routine ESAS screening to improve supportive care. Patients with at-risk ESAS scores should receive tailored assessment, management, and longitudinal follow-up.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,429
Écart entre enseignants0,385 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer survivorship and care→Travaux en français237 207→