MétaCan
Menu
Retour à la cohorte
Enregistrement W4409126433 · doi:10.1097/ncc.0000000000001490

The Prevalence and Factors of Dyspnea Among Advanced Cancer Survivors

2025· article· en· W4409126433 sur OpenAlexaboutno aff
Tianxue Hou, Mu‐Hsing Ho, Shumin Jia, Chia-Chin Lin

Notice bibliographique

RevueCancer Nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCINAHLMEDLINEQuality of life (healthcare)PsycINFOCochrane LibraryLung cancerPalliative carePhysical therapyAnxietyObservational studyMeta-analysisCancerInternal medicinePsychiatryPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Dyspnea is a significant symptom in advanced cancer patients, yet comprehensive evidence on its prevalence and related factors is lacking. OBJECTIVE: This review aims to summarize the prevalence of dyspnea among advanced cancer survivors and identify associated factors. METHODS: MEDLINE, EMBASE, Cochrane Library, PsycINFO, CINAHL Plus, and Web of Science were searched from inception to May 2024. Observational studies focusing on advanced cancer patients reporting dyspnea were included. Two reviewers performed data extraction and quality assessment independently using the Newcastle-Ottawa Scale. Prevalence estimates were pooled using a random-effects model. Subgroup analyses and metaregression were performed to explore heterogeneity. RESULTS: A total of 67 studies involving 78 409 advanced cancer survivors were included, revealing a pooled prevalence of dyspnea of 43% (95% prediction interval, 0.07, 0.84). Significant variations were observed based on cancer types, with lung cancer showing a prevalence of 55%. Factors associated with dyspnea were categorized using the Breathing, Thinking, Functioning clinical model: (1) breathing: physical (eg, fatigue), medical (eg, lung disease), and treatment-related (eg, palliative sedation) factors; (2) thinking: psychological (eg, anxiety) factors; and (3) functioning: performance (eg, Karnofsky Performance Status) and demographic characteristics (eg, age). CONCLUSIONS: The findings highlight a high prevalence of dyspnea among advanced cancer survivors and identify several associated factors, stressing the need for early detection and comprehensive management strategies. IMPLICATIONS FOR PRACTICE: Health providers can improve the quality of life for patients by effectively managing dyspnea, thereby reducing symptom burden, and alleviating psychological distress, leading to better overall well-being for patients and caregivers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,552

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,318
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer NursingMême sujetCancer survivorship and careTravaux en français237 207