Demoralization profiles and their association with depression and quality of life in Chinese patients with cancer: A latent class analysis
Notice bibliographique
Résumé
Abstract PurposeThe study aimed to identify latent classes of demoralization and examine their association with depression and with quality of life (QOL) among patients with cancer.MethodsCross-sectional data from 874 patients with cancer from three tertiary hospitals in Fujian province were collected using a convenience sampling method. Demoralization, depression, and QOL were assessed using the Chinese version of the Demoralization Scale-II, Patient Health Questionnaire-9, and McGill Quality of Life Questionnaire. Latent class analysis was performed on demoralization profiles. Binary logistic regression and multiple stepwise linear regression were used to examine the identified classes’ associations with depression and QOL.ResultsThree latent classes of demoralization were identified: the “low demoralization and emotional disturbance” class (Class 1; 49.6%); “moderate demoralization and meaninglessness” class (Class 2; 29.1%); and “high demoralization and existential despair” class (Class 3; 21.3%). The severity of depression increased and the levels of QOL decreased with the three classes of demoralization. Patients with cancer in Classes 1 and 2 were 0.128 and 0.018 times more likely to be depressed than those in Class 3, respectively, whereas the magnitudes of decrease in QOL scores for Classes 2 and 3 were 0.378 and 0.629, respectively. ConclusionThis study revealed three heterogeneous classes of demoralization in Chinese patients with cancer and indicated that increased classes were associated with more severe depression and decreased QOL. Targeted, step-by-step psychological interventions should be developed and implemented according to the characteristics of each class of demoralization to effectively promote psychological well-being among patients with cancer.
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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».