Association Between Nonfatal Self-Injury and Survival Following a Cancer Diagnosis: A Comparative Population-Based Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Nonfatal self-injury (NFSI) following a cancer diagnosis is a very serious mental health sequalae. Whether NFSI has an impact on patient outcomes is unknown. To help determine the impact and burden of NFSI in cancer care, this study examined the association between NFSI following a cancer diagnosis and subsequent overall survival (OS). METHODS: A retrospective population-based cohort study using linked administrative health care included patients with a new cancer diagnosis in 2007 through 2019. The exposure was NFSI (emergency department visit for self-injury of intentional or undetermined intent), treated as time-varying. The outcome was OS, as death from any cause measured from cancer diagnosis. Extended Cox multivariable models examined the association between NFSI and OS, adjusting for patient, cancer, and mental health history characteristics. RESULTS: Of 806,910 patients, 2,482 (0.31%) had NFSI at a median of 29 months (IQR, 11-57) from cancer diagnosis. Of those, 81 had >1 NFSI event. Patients with NFSI had inferior OS compared with those who had not yet experienced an NFSI (adjusted hazard ratio [HR], 1.73; 95% CI, 1.61-1.85). When treating NFSI as a count variable, there was an association between each additional NFSI and OS (adjusted HR, 1.17; 95% CI, 1.08-1.26). CONCLUSIONS: NFSI following a cancer diagnosis was independently associated with inferior OS. This finding highlights NFSI as a crucial event for patients with cancer and supports the importance of identifying and providing treatment for patients with cancer with cancer-related distress, such as marked by higher risk of NFSI.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».