Common patient‐reported sources of cancer‐related distress in adults with cancer: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Cancer-related distress (CRD) is widely experienced by people with cancer and is associated with poor outcomes. CRD screening is a recommended practice; however, CRD remains under-treated due to limited resources targeting unique sources (problems) contributing to CRD. Understanding which sources of CRD are most commonly reported will allow allocation of resources including equipping healthcare providers for intervention. METHODS: We conducted a systematic review to describe the frequency of patient-reported sources of CRD and to identify relationships with CRD severity, demographics, and clinical characteristics. We included empirical studies that screened adults with cancer using the NCCN or similar problem list. Most and least common sources of CRD were identified using weighted proportions computed across studies. Relationships between sources of CRD and CRD severity, demographics, and clinical characteristics were summarized narratively. RESULTS: Forty-eight studies were included. The most frequent sources of CRD were worry (55%), fatigue (54%), fears (45%), sadness (44%), pain (41%), and sleep disturbance (40%). Having enough food (0%), substance abuse (3%), childbearing ability (5%), fevers (5%), and spiritual concerns (5%) were infrequently reported. Sources of CRD were related to CRD severity, sex, age, race, marital status, income, education, rurality, treatment type, cancer grade, performance status, and timing of screening. CONCLUSIONS: Sources of CRD were most frequently emotional and physical, and resources should be targeted to these sources. Relationships between sources of CRD and demographic and clinical variables may suggest profiles of patient subgroups that share similar sources of CRD. Further investigation is necessary to direct intervention development and testing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».