Estudo sobre jovens sobreviventes de câncer de mama (YBCSS)

Este é um estudo epidemiológico observacional no qual os investigadores irão coletar dados de aproximadamente 384 participantes em um determinado momento usando questionários online (REDCaP e o NCI Diet History Questionnaire III). O recrutamento será realizado por meio de grupos de suporte de mídia social de sobreviventes de câncer de mama e grupos de defesa. O consentimento eletrônico será concedido no início de cada questionário online. A coleta de dados ocorrerá por meio de autorrelato no local escolhido pelo participante por meio de questionário online. Os investigadores usarão questionários validados usados ​​por outras coortes conduzidas anteriormente para indagar sobre dados demográficos, ocupação, histórico de rastreamento de câncer, histórico familiar de câncer, comorbidades, tratamento de câncer e outras comorbidades, incluindo relacionado à fertilidade, QVRS, ingestão alimentar usando o NCI Dietary on-line Questionário de história III, que inclui o uso de suplementos dietéticos, história residencial, estado hormonal, atividade física, uso de tabaco e álcool, experiências com racismo, apoio social e informações sobre a utilização de cuidados de saúde.

Para atingir o Objetivo 1, os investigadores usarão o Questionário de Histórico de Dieta NCI III, um questionário on-line de frequência alimentar de 135 itens com 26 perguntas sobre suplementos dietéticos, refletindo o último mês de ingestão para estimar a ingestão de alimentos e nutrientes e os padrões alimentares gerais. qualidade de vida (QVRS) é um conceito multidimensional que não inclui apenas os domínios físico, psicológico e social, mas também pode abranger outros domínios, como o funcionamento cognitivo. Os pacientes com câncer também apresentam muitos sintomas (por exemplo, fadiga, dor, distúrbios do sono) que não são mensuráveis ​​diretamente por testes laboratoriais. Assim, avaliar a QVRS e essas cargas de sintomas entre sobreviventes de câncer precisará confiar nos auto-relatos dos pacientes, medidos por instrumentos validados especialmente para pacientes com câncer de mama, e inclui a Avaliação Funcional da Terapia do Câncer (FACT-B).

As estatísticas descritivas serão apresentadas como média (desvio padrão) e mediana (intervalo interquartil) para variáveis ​​contínuas e como frequência (percentual) para variáveis ​​categóricas. Ferramentas de visualização de dados como histograma, boxplot, scatterplot e line plot serão empregadas para avaliar as tendências e outliers nos dados. A associação bivariada entre variáveis ​​categóricas será testada para significância estatística por meio do teste Qui-quadrado ou teste exato. Diferenças em variáveis ​​contínuas serão testadas para significância estatística usando o teste de Kruskal-Wallis. Os dados de HRQoL normalmente não são distribuídos normalmente com distribuições assimétricas à esquerda e potenciais efeitos de teto que requerem a consideração de estimadores alternativos em modelos multivariados. Vários modelos alternativos diferentes foram propostos sobre a abordagem padrão de mínimos quadrados ordinários, incluindo regressão beta, regressão tobit e modelagem de duas partes. Os investigadores avaliarão a distribuição das medidas primárias de HRQoL na construção de modelos analíticos. Com um padrão alimentar saudável como variável independente primária e medidas de QVRS servindo como variável dependente primária, os pesquisadores esperam descobrir que, à medida que a qualidade da dieta aumenta, a QVRS também aumenta.

Para o Objetivo 2, os investigadores solicitarão aos participantes do estudo que preencham questionários relacionados ao racismo, fatalismo e dados demográficos e os investigadores farão geocodificação das histórias residenciais dos participantes para medir o papel do racismo, fatalismo, renda, educação e proximidade de instalações de tratamento no tratamento aderência. Os investigadores usarão sistemas de informações geográficas para geocodificar as histórias residenciais dos participantes. Será solicitado aos participantes o CEP de residência no momento do diagnóstico, bem como o CEP da unidade de tratamento em que foram atendidos. Caso o CEP da unidade de tratamento seja desconhecido, o participante poderá informar a cidade e o estado, no qual será encontrado um CEP do ponto central da cidade que será utilizado para análise. Usando o Microsoft Excel, e a lista de latitudes e longitudes por CEP, fornecida pelo United States Census Bureau (encontrar citação), a distância em milhas entre o local de residência e o local de tratamento será determinada. Este cálculo de distância pode ser usado para ajudar a avaliar a adesão ao tratamento e a distância até o tratamento. Os históricos residenciais também serão usados ​​para determinar a ruralidade dos participantes. Em relação às muitas definições concorrentes e esquemas de classificação para ruralidade, Hall et al. encontraram definições dicotômicas que mascaram a heterogeneidade relevante para pesquisas em saúde e estudos de acessibilidade. Em vez disso, os investigadores usarão os códigos de área de deslocamento rural-urbano (RUCA) desenvolvidos pelo Escritório de Política de Saúde Rural da Administração de Recursos e Serviços de Saúde e pelo Serviço de Pesquisa Econômica do Departamento de Agricultura dos Estados Unidos (USDA). Os códigos RUCA combinam informações sobre densidade populacional, urbanicidade e padrões de deslocamento diário para classificar os setores censitários em 22 códigos distintos, que podem ser consolidados em classificações mais gerenciáveis.

As estatísticas descritivas serão apresentadas como média (desvio padrão) e mediana (intervalo interquartil) para variáveis ​​contínuas e como frequência (percentual) para variáveis ​​categóricas. Ferramentas de visualização de dados como histograma, boxplot, scatterplot e line plot serão empregadas para avaliar as tendências e outliers nos dados. Os investigadores explorarão as associações entre a adesão ao tratamento e cada medida de determinantes sociais (como pobreza em relação à proporção de renda, racismo, educação e proximidade de instalações de tratamento) usando regressão logística de efeito misto. O modelo será ajustado sequencialmente para o efeito de fatores de confusão não modificáveis ​​e modificáveis, como idade, estágio do câncer, tipo de tratamento e status de seguro.

Espera-se que o recrutamento de participantes esteja em andamento por aproximadamente 12 meses.