Prevalence, severity, and predictors of symptom burden among adolescents and young adults with cancer
Notice bibliographique
Résumé
BACKGROUND: Symptom burden in adolescents and young adults (AYA) with cancer is poorly characterized but impacts quality of life. METHODS: All Ontario, Canada AYA aged 15-29 years at diagnosis between 2010 and 2018 were linked to population-based healthcare databases, including to Edmonton Symptom Assessment System-revised (ESAS) scores, an 11-point scale routinely obtained at the time of cancer-related outpatient visits and collected provincially. Multistate models estimated mean duration of symptom severity states [none (0) vs. mild (1 vs. 2 vs. 3) vs. moderate (4-6) vs. severe (7-10)], trajectories, and subsequent mortality risk. Variables associated with severe symptoms were also determined. RESULTS: In total, 4296 AYA with ≥1 ESAS score within a year of diagnosis were included (median age 25 years). Prevalent moderate/severe symptoms included fatigue (59% of AYA) and anxiety (44%). Across symptom type, AYA reporting moderate symptoms were likelier to subsequently experience improvement versus worsening. Risk of death within 6 months increased with increasing symptom burden and was highest in AYA with severe dyspnea (9.0%), pain (8.0%), or drowsiness (7.5%). AYA in the poorest urban neighborhoods were more likely to experience severe symptoms than in the wealthiest areas, with twice the odds of reporting severe depression [adjusted odds ratio (OR) 1.95, 95th confidence interval (95% CI) 1.37-2.78], pain (OR: 1.94, 95% CI: 1.39-2.70), and dyspnea (OR: 1.96, 95% CI: 1.27-3.02). CONCLUSIONS: AYA with cancer experience substantial symptom burden. Risk of death increased with symptom severity. Interventions targeting cancer fatigue and anxiety, and targeting AYA in lower-income neighborhoods, are likely to improve quality of life in this population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».