晚期恶性肿瘤患者营养状况、焦虑与抑郁现状及其影响因素分析

目的 评估晚期恶性肿瘤患者营养状况与焦虑、抑郁现状,并分析其影响因素。方法 选取在本院接受治疗的晚期恶性肿瘤患者200例作为研究对象,采用患者主观整体评估(Patient-Generated Subjective Global Assessment, PG-SGA)量表评估其营养状况(PG-SGA量表评分≥4分为营养不良),采用抑郁和焦虑自评量表评估患者抑郁、焦虑程度,比较其得分情况,并对可能影响营养不良的因素进行多因素Logistic回归分析。结果 (1)31%的晚期恶性肿瘤患者有焦虑情绪;30%的晚期恶性肿瘤患者有抑郁情绪,是否化疗、不同经济负担的抑郁和焦虑自评量表得分差异有统计学意义(P<0.05)。(2)74%的晚期恶性肿瘤患者存在营养不良,需要进行营养干预,多因素Logistic回归分析结果显示,年龄≥60岁及焦虑、抑郁是营养不良的危险因素。结论 晚期恶性肿瘤患者大都需要营养支持和心理干预,医护人员应根据其影响因素,采取有效的干预措施,减少营养不良的发生。     

预测上皮性卵巢癌复发机器学习模型及列线图的建立

目的:本研究拟基于机器学习及Cox回归开发上皮性卵巢癌复发机器学习模型及列线图。方法:回顾性分析2010年01月至2020年12月于云南省肿瘤医院确诊739例Ⅲ-Ⅳ期EOC患者的医疗记录。收集患者的基本信息、手术、化疗细节和预后结果。使用单多因素逻辑回归及Cox回归筛选变量,使用5种机器学习算法基于单多因素逻辑回归的结果构建预测模型,采用10折交叉验证方法评估模型性能。基于Cox回归结果开发列线图。结果:739例患者中,399（54.0%）例最终发生了复发,340（46.0%）例未复发。复发患者分期以ⅢC期为主,占59.1%,病理类型以浆液性癌为主,占91.0%。单多因素逻辑回归显示围手术期化疗周期、术后残余病灶、手术方式、新辅助化疗是与复发独立相关的4个变量,基于这些变量和FIGO分期建立5个机器学习模型,XGBoost在识别复发病例方面表现最佳,AUC为0.775。Cox回归分析显示,术前局部灌注化疗、残余病灶直径、围手术期化疗周期、手术方式是影响复发的独立危险因素,基于上述因素开发了晚期上皮性卵巢癌患者复发的预测列线图。结论:机器学习模型和列线图可早期识别卵巢癌复发,通过早期识别可改善晚期卵巢癌预后。     

肺癌患者歧视感的质性研究

目的:旨在运用扎根理论，深入探讨在中国背景下，肺癌患者歧视感的成因及表现。方法:研究使用“信息饱和”抽样法招募患者，所有受试者均接受了面对面、一对一、半结构化访谈，访谈依据开放式问题提纲进行。资料分析以建构扎根理论法为指导，运用NVivo 11 plus定性软件对定性访谈数据进行编码。 结果:研究共纳入32名患者，其中30名患者完成了整个研究，2名患者中断了研究。肺癌患者表现出强烈的歧视感，通过3个主要主题(污名化、自我否定、社交回避)和17个子主题表现。结论:在中国社会文化背景下，肺癌患者歧视感成因复杂，表现多样。