A cross-sectional study on associations of physical symptoms, health self-efficacy and suicidal ideation among Chinese hospitalized cancer patients following diagnosis.
Notice bibliographique
Résumé
Abstract Background: To examine the association between physical symptoms and suicidal ideation among Chinese hospitalized cancer patients post-diagnosis, and test the modifying effect of health self-efficacy on this association. Methods: A cross-sectional study was conducted among 544 cancer patients from oncology setting in two general hospitals in northeastern China. Suicidal ideation data was collected by face-to-face interview using the Yale Evaluation of Suicidality scale (YES). Patients also rated on the McGill Quality of Life Questionnaire (MQOL), the Hamilton Depression Rating scale (HAMD-17) and the Strategies Used by People to Promote Health scale (SUPPH). Multivariable logistic regression was applied to examine the impact of physical symptoms, health self-efficacy and their interactions on suicidal ideation. Results: We found a suicidal ideation rate of 26.3% in patients following cancer diagnosis. Logistic regression showed that insomnia (aOR=1.84, 95% CI 1.13 to 3.00, p =0.015), lack of appetite (aOR=2.14, 95% CI 1.26 to 3.64, p =0.005) were significantly associated with suicidal ideation, low health self-efficacy showed a marginally significant exaggerating effect on the association between pain and suicidal ideation (aOR = 2.77, 95% CI 0.99 to 7.74, p =0.053), even after controlling socio-demographic, clinical characteristics and depression. Conclusions: Insomnia, loss of appetite, even after adjusting depression, are associated with suicidal ideation, health self-efficacy play a moderating role on pain and suicidal ideation among Chinese cancer patients. Paying attention to these physical symptoms and promoting the sense of health self-efficacy could be useful for suicide intervention.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».