The impact of the COVID-19 pandemic on health-related quality of life of cancer patients in British Columbia
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic resulted in unprecedented changes to cancer care in many countries, impacting cancer patients' lives in numerous ways. This study examines the impact of changes in cancer care on patient's health-related quality of life (HRQL), which is a key outcome in cancer care. The study aims to estimate patients' self-reported HRQL before and during the pandemic and identify predictive factors for their physical and mental wellbeing. METHOD: The study employed the large-scale Outpatient Cancer Care (OCC) Patient Experience Survey, including the Veterans RAND 12-Item Health Survey, to evaluate cancer patients' experiences and HRQL before (January to May 2020) and during the COVID-19 pandemic (May to July 2021). Paired t-tests were conducted to compare differences in Physical Component Scores (PCS) and Mental Component Scores (MCS) before and during the pandemic. Multivariable linear regressions were employed to investigate the factors (sociodemographic, clinical, and patient-reported experience) influencing PCS and MCS during the pandemic. RESULTS: PCS decreased significantly during the pandemic, while MCS remained stable. Lower PCS contributors included older age, more telehealth visits, self-reported hospitalization, and a longer time since the last cancer diagnosis. Higher PCS was associated with urban residence, higher MCS during the pandemic, and perceived active Healthcare Provider (HCP) involvement. For MCS, lower scores related to female gender and more telehealth visits, while higher scores were associated with being white, higher education, high MCS before the pandemic, and perceived active HCP involvement. CONCLUSION: The OCC Patient Experience Survey provides a unique patient level data set measuring HRQL pre- and post- the onset of the COVID-19 pandemic. The study highlights challenges faced by cancer patients during the pandemic, with a significant reduction in PCS. However, the stability in MCS suggests effective coping mechanisms. Sociodemographic, clinical, and telehealth-related variables play a complex role in shaping both PCS and MCS. Perceived HCP involvement emerges as a crucial factor correlating with higher PCS and MCS. Navigating the post-pandemic era necessitates interventions fortifying patient-provider relationships, optimizing healthcare support systems, such as telehealth services, and prioritizing mental-well-being given its impact on both PCS and MCS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».