Afraid and tired: A longitudinal study of the relationship between <scp>cancer‐related</scp> fatigue and fear of cancer recurrence in <scp>long‐term</scp> cancer survivors
Notice bibliographique
Résumé
OBJECTIVE: Cancer-related fatigue (CRF) and fear of cancer recurrence (FCR) are two common concerns experienced by cancer survivors. However, the relationship between these two concerns is poorly understood, and whether CRF and FCR influence each other over time is unclear. METHODS: Data were from a national, prospective, longitudinal study, the American Cancer Society's Study of Cancer Survivors-I (SCS-I). Surveys were completed by 1395 survivors of 10 different cancer types at three time-points, including assessment 1.3 years (T1), 2.2 years (T2) and 8.8 years (T3) following their cancer diagnosis. CRF was assessed using the fatigue-inertia subscale of the Profile of Mood States, and FCR by the FCR subscale of the Cancer Problems in Living Scale. Multiple group random intercepts cross-lagged panel models investigated prospective associations between CRF and FCR. RESULTS: For younger participants (at or below median age of 55 years, n = 697), CRF at T1 and T2 marginally and significantly predicted FCR at T2 and T3, respectively, but no lagged effects of FCR on subsequent CRF were observed. Cross-lagged effects were not observed for survivors over 55 years of age. CONCLUSION: Both CRF and FCR are debilitating side effects of cancer and its treatments. Given that CRF may be predictive of FCR, it possible that early detection and intervention for CRF could contribute to lowering FCR severity.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».