Management of psychiatric-related comorbidities in people with cancer
Notice bibliographique
Résumé
Introduction: Psycho-oncology provides a comprehensive understanding of cancer patients and offers an approach to the emotional, social and spiritual distress which accompanies them. Objectives: This study aims to estimate the prevalence of anxiety and depression, the quality of life, cognitive impairment, sleep disorders and substance dependence in cancer patients from a general Romanian hospital. Materials & Methods: This is a prospective longitudinal study that assessed 130 patients from the radio-oncology department for three months. A number of 37 patients were reevaluated. We applied a number of eight scales for the evaluation of psychiatric comorbidities: Hospital Anxiety and Depression Scale (HADS), Quality of Life Enjoyment and Satisfaction Questionnaire (QLESQ-SF), Athens Insomnia Scale (AIS), Visual Analog Scale for Pain (VAS Pain), CAGE scale and Fagerstrom Test (for alcohol and tobacco dependence), Global Assessment of Functioning (GAF) and Montreal Cognitive Assessment (MoCA; for cognitive impairment). Results: As expected, depression and anxiety rated high in the study population. The quality of life is strongly correlated with the intensity of pain, depression and anxiety level. There was a high rate of alcohol and nicotine use among these oncological patients, although the majority of them stopped consume after confronting with the diagnosis. Patients with lung cancer have frequent sleep disorders. Conclusions: To sum up, patients from oncology departments should always have access to psychiatric services due to the high prevalence of this type of disorders. Both the disease and oncological treatment influence the quality of life and can lead to anxiety and depression.
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 | 0,000 |
| 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) | 0,002 | 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 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 ».