Predictors of preparedness for recovery following colorectal cancer surgery: a latent class trajectory analysis
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».