Patient‐Reported Symptoms and Mental Health Event Risks in Adolescents and Young Adults With Cancer
Notice bibliographique
Résumé
INTRODUCTION: Adolescents and young adults (AYA) with cancer are at risk of adverse mental health outcomes during and after treatment. Tools identifying AYA at the highest risk would guide screening and interventions. We determined whether self-reported symptoms following cancer diagnosis were associated with early and late severe mental health events (SMHEs). METHODS: Ontario AYA diagnosed with cancer aged 15-29 between 2010 and 2018 were identified and linked to healthcare databases, including one capturing self-reported Edmonton Symptom Assessment System (ESAS) scores at cancer-related visits. Scores for depression, anxiety, and poor well-being were categorized as not measured, mild, moderate, or severe. SMHEs were defined as mental health-related Emergency Department visits or hospitalizations. We determined the association of ESAS scores with subsequent early SMHEs (< 5 years). Among 5-year survivors, we determined the association between the maximum ESAS score within 1 year of cancer diagnosis and late SMHEs (occurring > 5 years from cancer diagnosis). RESULTS: Among 5435 AYA, symptom severity was associated with subsequent SMHE risk. AYA who reported severe versus mild anxiety were at > 3-fold higher risk of subsequent early SMHEs [adjusted hazard ratio (aHR) 3.6, 95th confidence interval (CI) 1.9-6.7; p < 0.001]. Among 3518 (64.7%) 5-year survivors, symptom severity predicted late SMHE. At 5 years postcancer diagnosis, those who reported severe versus mild depression within 1 year following cancer diagnosis were at 3-fold elevated risk (aHR 3.0, 95 CI 1.8-4.9; p < 0.0001). CONCLUSION: Systematic symptom screening early postcancer diagnosis identifies AYA at high risk of both early and late SMHEs who may benefit from targeted screening and interventions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».