QOL-13. MEASURING FEAR OF CANCER RECURRENCE IN PATIENTS WITH PRIMARY BRAIN TUMORS
Notice bibliographique
Résumé
Abstract BACKGROUND Fear of cancer recurrence (FCR) differs for those living with primary brain tumor compared to other cancers due to poorer prognosis, neurologic symptoms, and often lifelong treatment. The gold-standard instrument used to assess FCR–the FCR Inventory (FCRI)–has not been validated in patients with PBT. The present study explored the psychometric properties of the FCRI in patients with brain tumors, with items added assessing brain tumor-specific distress. METHODS Adult patients with brain tumors (n = 87) completed the FCRI and other psychological medical, and demographic questionnaires. Exploratory factor analysis (EFA) was conducted on the FCRI with five additional items informed by neuro-oncology patients and professionals assessing brain tumor-specific hypervigilance (e.g., interpreting headache or cognitive difficulties as possible tumor growth) and one item assessing tendency to research treatments—for a total of 48 items. Correlations investigated convergent/discriminant validity and relationships with relevant medical and demographic variables. RESULTS After iteration, EFA revealed a seven-factor model with 24 retained items, accounting for 68.19% of variance, with factor correlations between .12 and .65. The seven-factor model echoed but did not fully replicate the original FCRI. FCRI-Brain factors were: Triggers, Psychological Distress, Functional Impairments, Insight, Reassurance, Emotion-Focused Coping, and Problem-Focused Coping (Total: Cronbach’s a = .92). The resultant FCRI-Brain demonstrated good convergent validity with measures of depression (r = .57), anxiety (r = .71), and death anxiety (r = .81; ps< .05). Lack of correlation with education (p > .05) supported discriminant validity. There was no relationship with time since diagnosis (p > .05). CONCLUSIONS These data represent the initial validation of an FCR measure in patients with brain tumors. Factor analysis identified a theoretically similar; yet unique seven-factor model for the FCRI-Brain. Item-level exploration will be presented, including further discussion of factor iteration and construction. Future work will build on this data in larger samples and inform intervention development.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».