Factors Associated With Self‐Report Symptom Screening Adherence in Pediatric Cancer Patients
Notice bibliographique
Résumé
INTRODUCTION: Objective was to describe the association between baseline characteristics and the number of Symptom Screening in Pediatrics Tool (SSPedi) assessments completed over an 8-week period. METHODS: This was a sub-analysis of a cluster randomized controlled trial among 10 sites that were randomized to the intervention group. Participants were English- or Spanish-speaking pediatric patients 8-18 years of age newly diagnosed with cancer. Participants were prompted to complete SSPedi three times weekly for 8 weeks. The outcome was the number of SSPedi assessments completed during the 8-week period. Factors associated with the number of assessments were determined using mixed effects Poisson regression. RESULTS: At the 10 intervention sites, 216 patients were included in the analysis. Among these participants, 129 (59.7%) were male, 112 (51.9%) were white, and 83 (38.4%) were Hispanic. The number of SSPedi assessments was significantly higher for participants 11-14 years (rate ratio (RR) 1.13, 95% confidence interval (CI) 1.02-1.25) and 15-18 years (RR 1.15, 95% CI 1.04-1.27) compared to 8-10 years. Participants completed more SSPedi assessments if they were Asian compared to white (RR 1.27, 95% CI 1.10-1.46), non-Hispanic compared to Hispanic (RR 1.15, 95% CI 1.04-1.28) and from families with a household income ≥$60,000 (RR 1.12, 95% CI 1.03-1.21). Participants completed fewer SSPedi assessments if they had solid tumors compared to leukemia (RR 0.91, 95% CI 0.84-0.99). CONCLUSION: Adherence to three-times weekly SSPedi varied by age, race, ethnicity, cancer diagnosis, and family income. This information may facilitate interventions to support routine symptom screening in clinical practice. TRIAL REGISTRATION: NCT04614662.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».