Impact of COVID-19 Epidemic on Psycho-Oncological Distress in Neuro-Oncological Patients
Notice bibliographique
Résumé
Up to 40% of neuro-oncological patients already deal with high levels of distress under conventional circumstances. Due to COVID-19, pandemic hospital visitor rules have been restricted and patients did not receive the same level of supporting caregiver network as before COVID. The aim of the present study was to analyse the impact of the COVID pandemic on the prevalence of distress, anxiety and depression in neuro-oncological patients. Patients admitted for brain tumour surgery were screened regarding distress, anxiety and depression. Furthermore, aspects of patients’ quality of life and clinical data were covered. Retrospectively available data of patients treated pre-pandemic (group A) and throughout the COVID-19 pandemic (group B) were statistically analysed using Chi-square tests and independent-sample t-tests, and regression analysis was performed to support statistical findings. Data from 110 patients were available. In all, 48 patients were included pre-COVID-19 and 62 during the COVID-19 pandemic. The authors found no significant difference between pre-COVID-19 prevalence of distress (p = 0.112), anxiety (p = 0.385) or depression (p = 0.084). Regression analyses additionally did not show any significant influence of COVID-19 on the above analysed parameter. Analyses of our cohort’s data could not underline the negative impact of COVID-19 restrictions, shortcuts of professional and remodelled caregiver support on psycho-oncological outcomes.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».