Impact of cancer on income, wealth and economic outcomes of adult cancer survivors: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: To summarise peer-reviewed evidence on the effect of a cancer diagnosis on the different sources of income of individuals diagnosed with cancer during adulthood (age ≥18 years). DESIGN: A scoping review following the Joanna Briggs Institute's methodological framework for conducting scoping reviews and reporting results following the Preferred Reporting Items for Systematic Reviews and Meta-analyses extension for Scoping Reviews checklist. DATA SOURCES: Ovid MEDLINE, PsycINFO, CINAHL, EMBASE, Econ-Lit and Evidence-based Medicine Reviews, and reference lists of evidence syntheses. Published literature of any study type in English was searched from January 2000 to December 2020. ELIGIBILITY AND CRITERIA: Study participants were individuals diagnosed with cancer during adulthood (age ≥18 years). Studies from any country and/or healthcare system were included. Primary outcomes were employment income (eg, individual or household); investment income (eg, stocks/bonds, properties, savings); government transfer payments (eg, disability income/pension); debt and bankruptcy. DATA EXTRACTION AND SYNTHESIS: Findings are summarised descriptively and in tabular form. RESULTS: From 6297 citations retrieved, 63 studies (67 articles) met our inclusion criteria. Most (51%) were published in 2016-2020; 65% were published in the USA or Scandinavia. Survivors incurred debt (24 studies), depleted savings (13 studies) and liquidated stocks/bonds (7 studies) in response to a cancer diagnosis. 41 studies reported changes to employment income; of these, 12 case-control studies reported varying results: 5 reported survivors earned less than controls, 4 reported no significant differences, 2 reported mixed results and 1 reported income increased. Initial declines in income tended to lessen over time. CONCLUSIONS: Cancer's impact on survivors' income is complex and time-varying. Longitudinal studies are needed to document the trend of initial declines in income, with declines lessening over time, and its variations. Study designs using standardised income measures and capturing treatment type and follow-up time will improve our understanding of cancer's impact on survivors' income.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».