Alleviating Excessive Worries Improves Co-Occurring Depression and Pain in Adolescent and Young Adult Cancer Patients: A Network Approach
Notice bibliographique
Résumé
Objective: Anxiety, depression, and pain are highly interactive with each other in adolescent and young adult (AYA) cancer patients. This study aims to map out the connectivity between anxiety, depression and pain symptoms amongst Chinese AYA cancer patients from the perspective of a network model. Methods: Two hundred and eighteen AYA patients, aged between 15 and 39 years at diagnosis; completed the Patient Health Questionnaire (PHQ), Generalized Anxiety Disorder (GAD), and McGill Pain Questionnaire-Visual Analogue Scale (MPQ-VAS). Network analyses were performed. Results: In all, 38.07% (95% CI = 31.58-44.57%) of the participants reported depression, 30.73% (95% CI = 24.56-36.91%) reported anxiety, and 14.22% (95% CI = 9.55-18.89%) reported current pain. The generated network illustrated that anxiety, depression and pain community were well connected. In the network, "having trouble relaxing" (GAD4, node strength = 1.182), "uncontrollable worry" (GAD2, node strength = 1.165), and "sad mood" (PHQ2, node strength = 1.144) were identified as the most central symptoms, while "uncontrollable worry" (GAD2, bridge strength = 0.645), "guilty" (PHQ6, bridge strength = 0.545), and "restlessness" (GAD5, bridge strength = 0.414) were the key bridging symptoms that connected different communities. Conclusion: Anxiety, depression and pain symptoms are highly interactive with each other. Alleviating AYA cancer patient's excessive worries might be helpful in improving the patient's co-occurring anxiety, depression and pain symptoms.
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 | 0,000 | 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 ».