Physical performance limitations and participation restrictions among cancer survivors: A population-based study from NHANES data 2015-2018.
Notice bibliographique
Résumé
12096 Background: Anti-cancer therapies have improved survival outcomes in cancer survivors; however, therapy-related toxicities may impact organ structure and function and interfere with physical performance and participation in life roles. This analysis aimed to estimate the prevalence of physical performance limitations (PL) and participation restrictions (PR) among recent (< 5 years since diagnosis), and long-term (≥ 5 years) cancer survivors. Methods: Data from the 2015-2018 National Health and Nutrition Examination Survey (NHANES) were analyzed using multivariable logistic regression, accounting for age, sex, race, and income, and incorporating survey sampling methodology. Odds ratios compared proportions of PL and PR among 663 (weighted population estimate 14,319,219) recent and 341 (weighted population estimate 7,261,088) long-term survivors, and 10,284 (weighted population estimate 215,042,155) persons with no reported cancer history. Two-sided two sample z-tests were used to compare proportions to a previous publication of data from 1999-2002 NHANES data. Results: Physical performance limitations were 1.5-1.7 times (63% vs 29%) and PR 1.5-1.6 times (38% vs 18%) more prevalent in cancer survivors than in those with no cancer history. Long-term cancer diagnosis was associated with increased prevalence of PL and PR, particularly in survivors aged 20-39 years. Proportions increased by 7% for PL and by 10% for PR compared to 1999-2002 values (p-values <0.001). Conclusions: Over 60% of cancer survivors reported PL and nearly 40% reported PR. Despite an interim increase in evidence of the benefits of exercise to manage therapy-related toxicities, these values are a significant increase when compared to 1999-2002 NHANES data. Targeted education for providers and exercise interventions aimed to improve physical function and performance in early cancer survivors should be considered to address the physical sequelae from anti-cancer therapies. [Table: see text]
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».