MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379283247 · doi:10.1200/jco.2023.41.16_suppl.10048

Financial hardship among siblings of long-term survivors of childhood cancer: A Childhood Cancer Survivor Study (CCSS) report.

2023· article· en· W4379283247 sur OpenAlexaff
Timothy J. D. Ohlsen, Huiqi Wang, David Buchbinder, I‐Chan Huang, Arti D. Desai, Zhiyuan Zheng, Anne C. Kirchhoff, Elyse R. Park, Kevin R. Krull, Rena M. Conti, Yutaka Yasui, Wendy M. Leisenring, Gregory T. Armstrong, K. Robin Yabroff, Paul C. Nathan, Eric J. Chow

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensHospital for Sick Children
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicinePsychosocialSiblingDemographyLogistic regressionEthnic groupNational Health Interview SurveyMarital statusHealth and Retirement StudyGerontologyHousehold incomeFinancePsychologyPsychiatryEnvironmental healthPopulationDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

10048 Background: Siblings of children with cancer may experience adverse household economic and psychosocial impacts during and after treatment. While many long-term survivors of childhood cancer experience financial hardship, financial outcomes of siblings in later adulthood are unknown. Methods: We surveyed randomly selected nearest age siblings of survivors (aged 18-64y) enrolled in the CCSS to estimate the prevalence of financial hardship, using 20 items adapted from validated national surveys grouped into 3 domains (material, psychological, behavioral). We calculated the prevalence of reporting any hardship within each domain. Multivariable logistic regression estimated associations between sibling sociodemographic characteristics and each domain of hardship. For individual financial hardship items with a matching item in the contemporaneous National Health Interview Survey (n = 21,271) or Behavioral Risk Factor Surveillance System (n = 259,901), we compared siblings with national survey respondents aged 18-64, calculating adjusted prevalence ratios to sample-weighted responses, adjusted for sex, race, ethnicity, household income, education, and marital status. Results: 1,008 siblings participated (of 1,590 approached; 63%) with median age of 46y (IQR 39–53y). Siblings were 57% female, 89% non-Hispanic White, 69% college-educated, and 74% married. The prevalence of reporting any material, psychological, and behavioral hardship among siblings was 34%, 28%, and 23%, respectively. Sibling factors associated with reporting material financial hardship included: female sex (OR 1.7, 95% CI 1.2–2.4), age (30–39y vs 21–29y: OR 2.61, 95% CI 1.1–6.5), household income ($50,000–$74,999 vs ≥$75,000: OR 2.3, 95% CI 1.4–3.6), lack of health insurance (OR 2.4, 95% CI 1.1–5.1), presence of severe/disabling chronic medical conditions (OR 1.7, 95% CI 1.1–2.8), out-of-pocket medical expenses ≥10% of income (vs < 10%: OR 4.9, 95% CI 1.9–12.3), and increased non-medical/non-home debt (for example, $25,000–$49,999 vs none: OR 5.2, 95% CI 3.2–8.6). Associations with psychological and behavioral hardship were similar. Compared with national survey respondents, siblings were more likely to report financial hardship on several individual items: difficulty paying medical bills (PR 1.2, 95% CI 1.0–1.4), worries about bills (PR 1.1, 95% CI 1.1–1.2), foregoing medical care (PR 1.3, 95% CI 1.0–1.6) and dental care (PR 1.4, 95% CI 1.2–1.6) due to cost, and worries about affording nutritious foods (PR 1.7, 95% CI 1.5–2.0). Conclusions: Adult siblings of childhood cancer survivors are more likely to experience multiple aspects of financial hardship than US adults in the general population, suggesting that childhood cancer may have life-long impact on siblings. Increased support for families across the trajectory of cancer treatment may help prevent or reduce financial hardship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,481
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetChildhood Cancer Survivors' Quality of Life→Travaux en français237 207→