Resilience in Lower Grade Glioma Patients
Notice bibliographique
Résumé
Current data show that resilience is an important factor in cancer patients’ well-being. We aim to explore the resilience of patients with lower grade glioma (LGG) and the potentially influencing factors. We performed a cross-sectional assessment of adult patients with LGG who were enrolled in the LoG-Glio registry. By phone interview, we administered the following measures: Resilience Scale (RS-13), distress thermometer, Montreal Cognitive Assessment Test for visually impaired patients (MoCA-Blind), internalized stigmatization by brain tumor (ISBI), Eastern Cooperative Oncological Group performance status (ECOG), patients’ perspective questionnaire (PPQ) and typical clinical parameters. We calculated correlations and multivariate regression models. Of 74 patients who were assessed, 38% of those showed a low level of resilience. Our results revealed significant correlations of resilience with distress (p < 0.001, −0.49), MOCA (p = 0.003, 0.342), ECOG (p < 0.001, −0.602), stigmatization (p < 0.001, −0.558), pain (p < 0.001, −0.524), and occupation (p = 0.007, 0.329). In multivariate analyses, resilience was negatively associated with elevated ECOG (p = 0.020, β = −0.383) and stigmatization levels (p = 0.008, β = −0.350). Occupation showed a tendency towards a significant association with resilience (p = 0.088, β = −0.254). Overall, low resilience affected more than one third of our cohort. Low functional status is a specific risk factor for low resilience. The relevant influence of stigmatization on resilience is a novel finding for patients suffering from a glioma and should be routinely identified and targeted in clinical routine.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».