Financial hardship among siblings of long‐term survivors of childhood cancer: A Childhood Cancer Survivor Study report
Notice bibliographique
Résumé
BACKGROUND: Siblings of children with cancer may experience adverse household economic consequences, but their financial outcomes in adulthood are unknown. METHODS: A total of 880 siblings (aged 18-64 years) of adult-aged childhood cancer survivors were surveyed to estimate the prevalence of financial hardship by three established domains (behavioral, material, and psychological). For individual financial hardship items matching the contemporaneous National Health Interview Survey or Behavioral Risk Factor Surveillance System, siblings were compared with the general population by calculating adjusted prevalence odds ratios (ORs) to sample-weighted responses. Multivariable logistic regression models examined associations between sibling characteristics and each hardship domain and between sibling hardship and survivors' cancer/treatment characteristics. RESULTS: Behavioral, material, and psychological hardship was reported by 24%, 35%, and 28%, respectively. Compared with national survey respondents, siblings were more likely to report worries about medical bills (OR, 1.14; 95% confidence interval [CI], 1.06-1.22), difficulty affording nutritious foods (OR, 1.79; 95% CI, 1.54-2.07), and forgoing needed medical care (OR, 1.38; 95% CI, 1.10-1.73), prescription medications (OR, 2.52; 95% CI, 1.99-3.20), and dental care (OR, 1.34; 95% CI, 1.15-1.57) because of cost. Sibling characteristics associated with reporting financial hardship in one or more domains included female sex, older age, chronic health conditions, lower income, not having health insurance, high out-of-pocket medical expenditures, and nonmedical/nonhome debt. No survivor cancer/treatment characteristics were associated with sibling financial hardship. CONCLUSIONS: Adult siblings of childhood cancer survivors were more likely to experience financial hardship compared with the general population. Childhood cancer may adversely affect entire households, with potentially lasting implications.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».