Stability of Symptom Clusters in Children With Acute Lymphoblastic Leukemia Undergoing Chemotherapy
Notice bibliographique
Résumé
BACKGROUND: Children with acute lymphoblastic leukemia (ALL) experience multiple symptoms during chemotherapy. Assessing how symptoms cluster together and how these symptom clusters (SCs) change over time may lay a foundation for future research in SC management and the pathophysiological mechanisms of SCs. OBJECTIVES: This study aimed to assess the stability of SCs in children with ALL during chemotherapy. METHODS: A longitudinal investigation was carried out. The Chinese version of the Memorial Symptom Assessment Scale 10 to 18 was used to assess the occurrence, severity, and distress of symptoms in 134 children with ALL (8-16 years old) at the following 4 separate points: before chemotherapy (T1), start of post-induction therapy (T2), 4 months post-induction therapy (T3), and start of maintenance therapy (T4). Exploratory factor analyses were used to extract SCs. RESULTS: Six SCs were identified. Emotional and somatic clusters were identified across all dimensions and time points. Gastrointestinal cluster was all identified except for occurrence at T1. Neurological cluster was identified at T2 and T3 for all dimensions and at T4 for severity and distress. Self-image disorder cluster was all identified except at T1. Skin mucosa cluster was identified at T2 and T3 for all dimensions. Emotional cluster exhibited common symptoms across dimensions and time points. CONCLUSION: The number and types of SCs determined by scoring the occurrence, severity, and distress are different, but some SCs are relatively stable. IMPLICATIONS FOR PRACTICE: Clinicians should not only focus on the common trajectory of symptoms and SCs, but also assess each child individually.
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) | 0,000 | 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 ».