Exploring psychological distress among lung cancer patients through the stress system model
Notice bibliographique
Résumé
Lung cancer, a leading cause of cancer-related mortality globally, often leads to anxiety, fear and other psychological distress due to its poor prognosis, treatment challenges, and financial burden. Prolonged distress may progress to depression or other mental health disorders, adversely affecting patients' quality of life and treatment outcomes. This study examines the prevalence and determinants of psychological distress in lung cancer patients, offering a theoretical basis for timely clinical interventions. This cross-sectional study applied the stress system model to analyze 435 conveniently sampled lung cancer patients in three Chinese tertiary hospitals from September 2023 to February 2024. Data were collected using the Distress Thermometer (DT), Medical Coping Modes Questionnaire (MCMQ), Brief Illness Perception Questionnaire (BIPQ), Edmonton Symptom Assessment Scale (ESAS), Perceived Social Support Scale (PSSS), and Type D Personality Scale (DS14). Statistical analysis, conducted with SPSS 25.0, utilized univariate, correlation, and binary logistic regression analyses to systematically explore the interrelationships and influence mechanisms of these factors on psychological distress from a holistic stress system model perspective. Among 435 lung cancer patients, 52.87% experienced psychological distress (DT = 4.24 ± 2.356). Significant risk factors (P < 0.05) included age, occupational status, family monthly income, payment method, avoidance coping style, symptoms and type D personality. As the detection rate of psychological distress in lung cancer patients is high, clinical staff should dynamically observe the psychological changes of lung cancer patients, do a good job in screening and stratified management of psychological distress, and provide interpersonal psychological guidance to establish a positive mindset, so as to reduce the negative emotions of patients, and to improve the quality of life of patients' health-related issues.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».