Impact of pre‐existing mental health disorders on the receipt of guideline recommended cancer treatments: A systematic review
Notice bibliographique
Résumé
OBJECTIVE: Disparities in cancer outcomes for individuals with pre-existing mental health disorders have already been identified, particularly for cancer screening and mortality. We aimed to systematically review the influence on the time from cancer diagnosis to cancer treatment, treatment adherence, and differences in receipt of guideline recommended cancer treatment. METHODS: We included international studies published in English from 1 January 1995 to 23 May 2022 by searching MEDLINE, Embase, and APA PsycInfo. RESULTS: This review identified 29 studies with 27 being published in the past decade. Most studies focused on breast, non-small cell lung and colorectal cancer and were of high or medium quality as assessed by the Newcastle Ottawa Scale. All studies were from high-income countries, and mostly included patients enrolled in national health insurance systems. Five assessed the impact on treatment delay or adherence, and 25 focused on the receipt of guideline recommended treatment. 20/25 studies demonstrated evidence that patients with pre-existing mental health disorders were less likely to receive guideline recommended therapies such as surgery or radiotherapy. In addition, there was a greater likelihood of receiving less intensive or modified treatment including systemic therapy. CONCLUSIONS: Across different cancer types and treatment modalities there is evidence of a clear disparity in the receipt of guideline recommended cancer treatment for patients with pre-existing mental health disorders. The effect of pre-existing mental health disorders on treatment delay or adherence is under-researched. Future research needs to include low- and middle-income countries as well as qualitative investigations to understand the reasons for disparities in cancer treatment.
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 | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».