Fatigue, Emotional Distress, and Illness Uncertainty in Patients with Metastatic Cancer: Results from the Prospective NEOETIC_SEOM Study
Notice bibliographique
Résumé
A cancer diagnosis can have a substantial impact on a patient's mental health and quality of life. The aim of this study was to investigate the prevalence of fatigue, emotional distress, and uncertainty and examine the predictive value they have on the quality of life of advanced cancer patients. A prospective, multicenter study was conducted between February 2020 and May 2021 of individuals diagnosed with an advanced, unresectable neoplasm prior to initiating systemic antineoplastic treatment. Participants completed questionnaires to quantify fatigue, emotional distress, disease uncertainty, and quality of life. A linear regression analysis was performed to study the predictive QoL variables. The study population comprised 508 patients, 53.7% of whom were male and had a mean age of 54.9 years. The most common cancers were digestive (40.6%), bronchopulmonary (29.1%), and breast (8.5%); the most frequent histology was adenocarcinoma (63%); and most were stage IV (79.7%). More than half (55.7%) suffered fatigue, and 47.7% exhibited emotional distress; both were more prevalent among women. Fatigue, emotional distress, and disease uncertainty all correlate with diminished quality of life. Similarly, ECOG performance status and the demographic variables of age, sex, and comorbidities impacted quality of life. This patient sample displayed a high prevalence of fatigue and emotional distress, together with illness uncertainty, which are clearly linked to waning quality of life. To decrease the experience of fatigue and improve mental health treatment in cancer patients, interventions based on a biopsychosocial model must be intensified.
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 ».