The Impact of Psychiatric Diagnoses on Patient-reported Satisfaction and Quality of Life in Postmastectomy Breast Reconstruction
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to determine the prevalence of psychiatric diagnoses among a sample of breast reconstruction patients and measure the association between these diagnoses and reconstruction-related, patient-reported outcomes. BACKGROUND: The impact of psychiatric disorders in conjunction with breast cancer diagnosis, treatment, and reconstruction have the potential to cause significant patient distress but remains not well understood. METHODS: A retrospective review of postmastectomy breast reconstruction patients from 2007 to 2018 at Memorial Sloan Kettering Cancer Center was conducted. Patient demographics, comorbidities, cancer characteristics, psychiatric diagnoses, and BREAST-Q Reconstruction Module scores (measuring satisfaction with breast, well-being of the chest, psychosocial, and sexual well-being) at postoperative years 1 to 3 were examined. Mixed-effects models and cross-sectional linear regressions were conducted to measure the effect of psychiatric diagnostic class type and number on scores. RESULTS: Of 7414 total patients, 50.1% had at least 1 psychiatric diagnosis. Patients with any psychiatric diagnoses before reconstruction had significantly lower BREAST-Q scores for all domains at all time points. Anxiety (50%) and depression (27.6%) disorders were the most prevalent and had the greatest impact on BREAST-Q scores. Patients with a greater number of psychiatric diagnostic classes had significantly worse patient-reported outcomes compared with patients with no psychiatric diagnosis. Psychosocial (β: -7.29; 95% confidence interval: -8.67, -5.91), and sexual well-being (β: -7.99; 95% confidence interval: -9.57, -6.40) were most sensitive to the impact of psychiatric diagnoses. CONCLUSIONS: Mental health status is associated with psychosocial and sexual well-being after breast reconstruction surgery as measured with the BREAST-Q. Future research will need to determine what interventions (eg, screening, early referral) can help improve outcomes for breast cancer patients with psychiatric disorders undergoing breast reconstruction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».