Associations Between Cancer-Related Fatigue and Healthcare Use During Cancer Follow-Up Care: A Survey-Administrative Health Data Linkage Study
Notice bibliographique
Résumé
Little is known about the impacts of fatigue after cancer treatment, including whether cancer-related fatigue impacts people’s use of healthcare. This study sought to examine how cancer-related fatigue impacts healthcare use after completing cancer treatment. A population-based survey was administered in Nova Scotia, Canada, to examine survivors’ experiences and needs after completing cancer treatment. Respondents included survivors of breast, melanoma, colorectal, prostate, hematologic, and young adult cancers who were 1–3 years post-treatment. Survey responses were linked to cancer registry, physicians’ claims, hospitalization, and ambulatory care data. Data were analyzed descriptively and using regression models. The final study cohort included 823 respondents. Younger respondents reported higher levels of cancer-related fatigue compared to older respondents. More females than males reported cancer-related fatigue. Upon adjusted analyses, those with cancer-related fatigue had lower odds of being discharged to primary care for their cancer-related follow-up (odds ratio = 0.71, p = 0.029). Moreover, those with cancer-related fatigue had 19% higher primary care use (incidence rate ratio = 1.19, p < 0.0001) and 37% higher oncology use (incidence rate ratio = 1.37, p < 0.016) during the follow-up period compared to those without cancer-related fatigue. Providers (oncology and primary care) may require additional support to identify clinically relevant fatigue and refer patients to appropriate resources and services.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».