MétaCan
Menu
← Retour à la cohorte
Enregistrement W3172027519 · doi:10.1200/jco.2021.39.15_suppl.5025

Factors associated with use of medications for anxiety and depression in testicular cancer survivors after cisplatin-based chemotherapy.

2021· article· en· W3172027519 sur OpenAlexaff
Shirin Ardeshir‐Rouhani‐Fard, Paul C. Dinh, Patrick O. Monahan, Sophie D. Fosså, Robert Huddart, Chunkit Fung, Yiqing Song, Darren R. Feldman, Robert J. Hamilton, David J. Vaughn, Neil E. Martin, Christian Kollmannsberger, Lifang Hou, Lawrence H. Einhorn, Kurt Kroenke, Lois B. Travis

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Treatment and Pharmacology
Établissements canadiensPrincess Margaret Cancer CentreUniversity of British ColumbiaUniversity Health Network
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicineAnxietyCommon Terminology Criteria for Adverse EventsDepression (economics)Testicular cancerInternal medicineQuality of life (healthcare)Adverse effectCancerPsychiatry

Résumé

récupéré en direct d'OpenAlex

5025 Background: Cancer survivors are at increased risk of anxiety and depression that can affect health-related quality of life. There is no study to date that has examined the characteristics of testicular cancer survivors (TCS) taking medications for anxiety or depression since pharmacological interventions are typically reserved for more severe cases of these disorders. In this study, we aimed to examine sociodemographic factors, cisplatin-related adverse health outcomes (AHOs), and cumulative burden of morbidity (CBMPt) scores associated with medication use for anxiety and/or depression in TCS. Methods: A total of 1,802 TCS who completed CBCT ≥12 months previously completed validated questionnaires regarding sociodemographic features and cisplatin-related AHOs (hearing impairment, tinnitus, peripheral sensory neuropathy (PSN), kidney disease). Patients were recognized as users of medications for anxiety and/or depression if they used pharmacological classes of these medications and also indicated that the reason for use was for anxiety or depression. Individual AHOs were graded 0-to-4 based on severity according to NCI Common Terminology Criteria for Adverse Events version 4.03. A CBMPt score encompassed the number and severity of cisplatin-related AHOs. Multivariable logistic regression models assessed the relationship of individual AHOs and CBMPt with medication use for anxiety and/or depression. Results: A total of 151 TCS (8.4%) used medications for anxiety and/or depression. Any grade of HL, tinnitus, PSN, and kidney disease were reported by 37.9%, 39.5%, 55.2%, and 2.4% of 1,802 participants, respectively. No cisplatin-related AHO were reported by 511 (28.4%) participants, whereas 622 (34.5%), 334 (18.5%), 287 (15.9%), and 48 (2.7%), respectively, had very low, low, medium, and high CBMPt scores. Higher CBMPt scores were significantly associated with greater medication use for anxiety and/or depression (CBMPt scores of low (OR = 2.96, 95%CI, 1.67-5.24), medium (OR = 3.47, 95%CI, 1.95-6.18), and high (OR = 3.18, 95%CI, 1.22-8.3). A multivariable model including individual AHOs indicated that tinnitus ( P= 0.0009), PSN ( P= 0.02), and having health insurance (OR = 2.15, 95%CI, 1.01-4.56) were associated with significantly greater use of these medications; whereas being employed (OR = 0.39, 95%CI, 0.23-0.66) and vigorous physical activity (OR = 0.63, 95%CI,0.44-0.89) were associated with significantly diminished use. Conclusions: We found that TCS with higher CBMPt scores had a higher probability of using medications for anxiety and/or depression and conversely, those who were employed and physically active tended to have reduced use. These findings deserve further investigation in longitudinal studies. In the interim, healthcare providers should be aware of these associations in formulating survivorship care plans.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,177
Tête enseignante GPT0,485
Écart entre enseignants0,308 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer Treatment and Pharmacology→Travaux en français237 207→