Fear of cancer recurrence: testing a cognitive formulation across time in women with ovarian cancer
Notice bibliographique
Résumé
Background: Lee-Jones and colleagues (1997) have proposed a comprehensive cognitive model of fear of cancer recurrence (FCR), however little research has utilized or fully tested this conceptual model. Additionally, the cross-sectional nature of most studies limits our understanding of the trajectory of FCR over time, and longitudinal research is greatly needed. Method: Patients completed assessment measures at baseline (Time 1) and three months post-baseline (Time 2). The three aims of this study were to (1) test the cognitive model of FCR within an ovarian cancer population; (2) examine model stability; and (3) test the predictive validity of the model. Results: An exploratory factor analysis (EFA) suggested a more parsimonious four-factor model relative to Lee-Jones et al.’s suggested model. Using the results of the EFA, structural equation modeling (SEM) was used to analyze the data-driven model, with findings revealing excellent model fit at Time 1, 2 (60, N=283) = 130.48, p< .001, 2 /df = 1.84, CFI = 0.95, RMSEA = .06, SRMR = .06. This same model was examined at Time 2, with findings revealing acceptable model fit; 2 (60, N=201) = 121.15, p < .001, 2 /df = 2.02, CFI =0.93, RMSEA = .07, SRMR = .07, thus confirming that configural invariance was met. Tests of predictive validity indicated that using the components of FCR at Time 1 to predict consequences at Time 2 resulted in adequate model fit, 2 (84, N=283) = 167.17, p < .001, CFI =0.94, RMSEA = .06, SRMR = .07, 2 /df = 1.99; however, the regression paths from the emotional experience and cognitive appraisals were not significant predictors of behavioural responses at Time 2. Discussion: Findings demonstrated that the emotional experience of FCR may be far more complex for ovarian cancer patients than previously suggested which has important treatment implications. The current study is the first to evaluate the relative stability of the components of a data-driven model of FCR, with results revealing that the majority of ovarian cancer patients experience FCR, which is stable across a three-month period. Findings suggest that screening for FCR would be beneficial across the cancer experience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».