Influence of psychiatric comorbidity on quality of life in oncological patients
Notice bibliographique
Résumé
Introduction: Quality of life is an important goal in the management of oncological patients. Quality of life can be influenced by numerous factors such as the level of functioning, age, as well as the presence of comorbid pathologies, both somatic and psychiatric. Objectives: The aim of this study is to measure the quality of life in a group of oncological patients, as well as the influence of various factors, particularly psychiatric comorbidities, on this variable. Materials and Methods: Data was obtained from a prospective, non-randomized, longitudinal study that was conducted over a 4-year span (2015-2018) and included 294 oncology patients. Patients were assessed by means of the following instruments: Hospital Anxiety and Depression Scale - HADS, Quality of Life Enjoyment and Satisfaction Questionnaire - QLESQ-SF, Visual Analog Scale for Pain - VAS Pain, CAGE Questionnaire for alcohol addiction, Global Assessment of Functioning Scale -GAF and Montreal Cognitive Assessment - MoCA for cognitive disorders. Results: Approximately 30% of patients included in the study obtained scores above the threshold for depression or anxiety on the HADS subscales, indicating an important association between cancer and the presence of depressive or anxious symptoms. Statistical analysis confirmed that the presence of depressive or anxious symptoms is a statistically significant predictor of quality of life. Quality of life is also influenced by the presence of cognitive impairment, alcohol use, and pain intensity as measured by the VAS Pain. Conclusions: Given that quality of life is influenced by the presence of psychiatric comorbidities (depression, anxiety, cognitive impairment, alcohol use), screening for these pathologies in all cancer patients and a multidisciplinary oncologist-psychiatrist-psychologist therapeutic approach are necessary
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 | 0,001 | 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 | 0,001 |
| 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 ».