MétaCan
Menu
Retour à la cohorte
Enregistrement W4387404293 · doi:10.3390/curroncol30100652

Pretreatment Cancer-Related Cognitive Impairment in Hodgkin Lymphoma Patients

2023· article· en· W4387404293 sur OpenAlexvenueno aff
Veronika Juríčková, Dan Fayette, Juraj Jonáš, Iveta Fajnerová, Tomáš Kozák, Jiřı́ Horáček

Notice bibliographique

RevueCurrent Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer-related cognitive impairment studies
Établissements canadiensnon disponible
Organismes subventionnairesAgentura Pro Zdravotnický Výzkum České Republiky
Mots-clésCognitionMedicinePsychomotor learningNeuropsychologyAnxietyDepression (economics)CancerClinical psychologyDiseaseDistressExecutive functionsQuality of life (healthcare)Cognitive declinePsychiatryDementiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cancer-related cognitive impairment (CRCI) is one of the most serious side effects of cancer that negatively impacts the quality of life of cancer patients and survivors. There is evidence of CRCI in Hodgkin lymphoma patients (HL); however, there is a lack of studies examining the presence of cognitive deficits before starting any treatment in HL patients. METHODS: = 40) matched for age, sex, education, and premorbid intellect completed the neuropsychological battery and subjective and objective measures of affective distress and quality of life. RESULTS: The results showed impairment in three out of six cognitive domains: verbal memory and learning, speed of processing/psychomotor speed, and abstraction/executive functions in the HL patients before the initiation of any treatment. The speed of processing/psychomotor speed domain is negatively correlated with depression. CONCLUSION: Cognitive deterioration in verbal memory and learning and abstraction/executive functions domains in HL patients seems to occur before the initiation of treatment independently of anxiety, depression, or physical symptoms. This suggests that HL itself may cause cognitive deficits in these cognitive domains. However, the underlying causes of CRCI still remain unclear.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,286
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,069
Tête enseignante GPT0,414
Écart entre enseignants0,345 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetCancer-related cognitive impairment studiesTravaux en français237 207