MétaCan
Menu
Retour à la cohorte
Enregistrement W4388291808 · doi:10.1080/0284186x.2023.2269303

Predictors of preparedness for recovery following colorectal cancer surgery: a latent class trajectory analysis

2023· article· en· W4388291808 sur OpenAlex
Richard Sawatzky, Cecilia Larsdotter, Monica Pettersson, Elisabeth Kenne Sarenmalm, Frida Smith, Jonas Nygren, Lara B. Russell, Joakim Öhlén

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueActa Oncologica · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensSt. Paul's HospitalTrinity Western UniversityWestern University
Organismes subventionnairesCentrum fÖr Personcentrerad VårdGöteborgs UniversitetCanada Research Chairs
Mots-clésMedicineLatent class modelPreparednessColorectal cancerLongitudinal studyHealth careCancerInternal medicinePathologyStatistics

Résumé

récupéré en direct d'OpenAlex

AIM: With an interest in providing knowledge for person-centred care, our overall goal is to contribute a greater understanding of diversity among patients in terms of their preparedness before and up to six months after colorectal cancer surgery. Our aim was to describe and provide a tentative explanation for differences in preparedness trajectory profiles. MATERIAL AND METHODS: The study was explorative and used prospective longitudinal data from a previously published intervention study evaluating person-centred information and communication. The project was conducted at three hospitals in Sweden. Patient-reported outcomes measures, including the Longitudinal Preparedness for Colorectal Cancer Surgery Questionnaire, were collected before surgery, at discharge, and four to six weeks, three months, and six months after surgery. Clinical data were retrospectively obtained from patients' medical records. We used latent class growth models (LCGMs) to identify latent classes that distinguish subgroups of patients who represent different preparedness trajectory profiles. To determine the most plausible number of latent classes, we considered statistical information about model fit and clinical practice relevance. We used multivariable regression models to identify variables that explain the latent classes. RESULTS: = 488) comprised people with a mean age of 68 years (SD = 11) of which 44% were women. Regarding diagnoses, 60% had colon cancer and 40% rectal cancer. The LCGMs identified six latent classes with different preparedness for surgery and recovery trajectories. The latent classes were predominantly explained by differences in age, sex, physical classification based on comorbidities, treatment hospital, global health status, distress, and sense of coherence (comprehensibility and meaningfulness). CONCLUSION: Contrary to the received view that emphasizes standardized care practices, our results point to the need for adding person-centred and tailored approaches that consider individual differences in how patients are prepared before and during the recovery period related to colorectal cancer surgery.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,020
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
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)0,0000,000

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 Opus0,039
Tête enseignante GPT0,315
Écart entre enseignants0,275 · 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