Depressive symptoms among cancer patients: Variation by gender, cancer type, and social engagement
Notice bibliographique
Résumé
Prior literature has documented an association between cancer and depressive symptoms. There has been a limited understanding about whether the association between cancer and depressive symptoms varies by gender and whether social engagement moderates this association. Using seven waves of the Korean Longitudinal Study of Ageing (N = 10,055), we examine the association between cancer and depressive symptoms among middle- and older-aged adults in Korea. We conduct fixed-effects regression models to account for unobserved characteristics of individuals that may confound this association. We first investigate whether the association between cancer and depressive symptom differs by gender. We distinguish among cancer types to assess potentially distinctive mental health consequences of different types of cancer. Then, we explore whether social engagement moderates the cancer-depressive symptoms association. Naive OLS models yielded significant associations between cancer and depressive symptoms for both men and women. However, our preferred fixed effects estimates revealed that the association was statistically significant only for men, and not for women. This association was especially pronounced for lung cancer. We also found that one's level of social engagement including informal connections and formal social activities moderates the link between cancer and depressive symptoms. Cancer is not only a leading cause of death, but also a serious threat to one's mental health. This study sheds light on gender differences in psychological reactions to cancer among Korean adults. Findings of this study hold important implications for programs aiming to improve the mental health and quality of life of cancer patients.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».