Systematic Review on Factors Associated With Self-perceived Burden Among Cancer Patients
Notice bibliographique
Résumé
Abstract Introduction: Cancer is the leading cause of death in the world. There was a high prevalence of high self-perceived burden (SPB) among cancer patients and this could bring adverse consequences on the physical and mental health of cancer patients, which can lead to suicide if not treated well. This review aims to determine the prevalence of SPB among cancer patients and its risk factors. Methods: Published journals before September 2021, from five databases ( PubMed, ScienceDirect, Springer, Cochrane, and CNKI) were be retrieved according to the keywords. The keywords used included cancer patients, terminally ill patients, cancer, SPB, self-perceived burden, self-burden, self-perceived, factor, predictor, associated factor, determinants, risk factor, prognostic factor, covariate, independent variable and variable. The quality of the inclusion and exclusion criteria was independently reviewed by three researchers. Results: Out of 12712 articles, there are 22 studies met the eligibility criteria. The prevalence of SPB among cancer patients ranged from 73.2% to 100% from Malaysia, China, Canada. Most of them had moderate SPB. Out of the reported factors, age, gender, marital status, ethnicity, residence, educational level, occupational status, family income, primary caregiver, payment methods, disease-related factors, psychological factors and physical factors were mostly reported across the studies. Conclusions: In conclusion, SPB prevalence is high in cancer patients. Therefore, hospitals, non-governmental organizations, relevant policy makers and communities can provide special programs for high-risk groups to provide psychological guidance or design corresponding interventions to reduce the SPB level of patients and improve the quality of life.
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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».