Establishing the sensitivity and specificity of the gynaecological cancer distress screen
Notice bibliographique
Résumé
OBJECTIVE: Nuanced distress screening tools can help cancer care services manage specific cancer groups' concerns more efficiently. This study examines the sensitivity and specificity of a tool specifically for women with gynaecological cancers (called the Gynaecological Cancer Distress Screen or DT-Gyn). METHODS: This paper presents cross-sectional data from individuals recently treated for gynaecological cancer recruited through Australian cancer care services, partner organisations, and support/advocacy services. Receiver operating characteristics analyses were used to evaluate the diagnostic accuracy of the DT-Gyn against criterion measures for anxiety (GAD-7), depression (patient health questionnaire), and distress (IES-R and K10). RESULTS: Overall, 373 individuals aged 19-91 provided complete data for the study. Using the recognised distress thermometer (DT) cut-off of 4, 47% of participants were classified as distressed, while a cut-off of 5 suggested that 40% had clinically relevant distress. The DT-Gyn showed good discriminant ability across all measures (IES-R: area under the curve (AUC) = 0.86, 95% CI = 0.82-0.90; GAD-7: AUC = 0.89, 95% CI = 0.85-0.93; K10: AUC = 0.88, 95% CI = 0.85-0.92; PHQ-9: AUC = 0.85, 95% CI = 0.81-0.89) and the Youden Index suggested an optimum DT cut-point of 5. CONCLUSIONS: This study established the psychometric properties of the DT-Gyn, a tool designed to identify and manage the common sources of distress in women with gynaecological cancers. We suggest a DT cut point ≥5 is optimal in detecting 'clinically relevant' distress, anxiety, and depression in this population.
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 | 0,014 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».