Predictors of return-to-work after thyroid cancer surgery based on random forest model: a cross-sectional study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Thyroid cancer (TC) is the most prevalent malignancy among middle-aged and young adults. Many patients will face the challenge of return-to-work (RTW) after TC surgery. If patients cannot return to work successfully, it may affect their social recovery and quality of life. This study used the random forest algorithm to identify the predictors of RTW after TC surgery. METHODS: A cross-sectional study was conducted, encompassing a sample of 242 patients who underwent TC surgery in Zhujiang Hospital of Southern Medical University from April to December 2023. The participants completed questionnaires including the general information questionnaire, the Return-To-Work Self-Efficacy Questionnaire (RTW-SE), the Cancer Fatigue Scale (CFS), and the Vancouver Scar Scale (VSS). In this study, the predictors of RTW after TC surgery were analyzed by univariate analysis, multiple logistic regression, and random forest model (RFM). RESULTS: The final 229 TC patients were included in this study, of which 183 (79.9%) returned to work, of which 46 (20.1%) failed to return to work. The median time of RTW was 30.00(14.00, 33.75) days after TC surgery. The RFM indicated that RTW-SE was a key predictor related to RTW after TC surgery and other predictors were ranked in order of importance as follows: postoperative time, neck scar (NS), medical insurance, complications, and rehabilitation exercise. CONCLUSIONS: 20.1% (46/229) of patients still failed to return to work after TC surgery. Healthcare professionals ought to emphasize the importance of modifiable factors, improving TC patients' RTW-SE, reducing the formation of NS, minimizing the occurrence of complications, and promoting rehabilitation exercise may help to facilitate RTW after TC surgery.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 découle