بیماران سرطانی

Abstract Resilience and psychological flexibility are protective factors for mental health and well-being in the general population as well as in patients with cancer. Additionally, psychological inflexibility is a risk factor for poor wellbeing and psychopathology. Research suggests that psychological flexibility constitutes a resilience factor and mediates the association between resilience and psychological outcomes across various contexts. However, there is only sparse evidence regarding the mediating role of psychological inflexibility and flexibility processes in the relationship between resilience and psychological outcomes in patients with a chronic health condition. This study examined psychological inflexibility and flexibility processes as mediators of the relationship between resilience and psychological outcomes in patients with cancer. A total of N = 222 patients completed an online survey assessing resilience (Resilience Scale-11), psychological inflexibility (Acceptance and Action Questionnaire-2), distress (National Cancer Center Network distress thermometer), depression (Patient Health Questionnaire-8), anxiety (General Anxiety Disorder-7), and mental health-related quality of life (Short Form Health Survey-12). Across all bootstrapped mediation models, psychological inflexibility mediated the relationship between resilience and all psychological outcomes. Secondary analyses of acceptance of versus struggle with illness and value-based living versus obstruction showed partial mediation, with distinct patterns of association for each process. Our findings highlight psychological (in)flexibility as a key mediator between resilience and psychological outcomes in cancer patients. Obstruction showed the strongest association, suggesting that ACT-based interventions targeting psychological barriers may be particularly effective in enhancing resilience and mental health.

چکیده: تاب‌آوری و انعطاف‌پذیری روان‌شناختی از عوامل محافظت‌کننده برای سلامت روان و بهزیستی در جمعیت عمومی و همچنین در بیماران مبتلا به سرطان به‌شمار می‌روند. علاوه‌براین، عدم انعطاف‌پذیری روان‌شناختی یک عامل خطر برای بهزیستی پایین و آسیب‌شناسی روانی است. پژوهش‌ها نشان داده‌اند که انعطاف‌پذیری روان‌شناختی به‌عنوان یک عامل تاب‌آوری عمل کرده و میانجی ارتباط بین تاب‌آوری و پیامدهای روان‌شناختی در زمینه‌های مختلف است. با این حال، شواهد اندکی در مورد نقش میانجی‌گری عدم انعطاف‌پذیری روان‌شناختی و فرایندهای انعطاف‌پذیری در رابطه بین تاب‌آوری و پیامدهای روان‌شناختی در بیماران مبتلا به بیماری مزمن وجود دارد. این مطالعه، عدم انعطاف‌پذیری و فرایندهای انعطاف‌پذیری روان‌شناختی را به‌عنوان میانجی رابطه بین تاب‌آوری و پیامدهای روان‌شناختی در بیماران مبتلا به سرطان بررسی کرد. در مجموع، ۲۲۲ نفر از بیماران پرسش‌نامه آنلاین شامل سنجش تاب‌آوری (Resilience Scale-11)، عدم انعطاف‌پذیری روان‌شناختی (Acceptance and Action Questionnaire-2)، پریشانی (National Cancer Center Network distress thermometer)، افسردگی (Patient Health Questionnaire-8)، اضطراب (General Anxiety Disorder-7) و کیفیت زندگی مرتبط با سلامت روان (Short Form Health Survey-12) را تکمیل کردند. در تمامی مدل‌های میانجی‌گری بوت‌استرپ‌شده، عدم انعطاف‌پذیری روان‌شناختی رابطه بین تاب‌آوری و تمامی پیامدهای روان‌شناختی را میانجی‌گری کرد. تحلیل‌های ثانویه پذیرش در مقابل مبارزه با بیماری و زندگی مبتنی بر ارزش‌ها در مقابل انسداد، میانجی‌گری جزئی را با الگوهای متمایز برای هر فرایند نشان داد. یافته‌های ما بر نقش کلیدی (عدم) انعطاف‌پذیری روان‌شناختی به‌عنوان میانجی بین تاب‌آوری و پیامدهای روان‌شناختی در بیماران سرطانی تأکید می‌کند. انسداد قوی‌ترین ارتباط را نشان داد و این امر حاکی از آن است که مداخلات مبتنی بر ACT که موانع روان‌شناختی را هدف قرار می‌دهند، ممکن است در ارتقای تاب‌آوری و سلامت روان مؤثرتر باشند.

Understanding the emotional vulnerability of cancer patients and caregivers is critical for improving psychological support and clinical intervention strategies. With the rapid growth of online health communities, large volumes of textual narratives describing treatment experiences and emotional struggles have become available for computational analysis. However, accurately capturing emotional intensity and contextual sentiment in such narratives remains challenging due to the complex linguistic patterns present in health-related discussions. This study proposes an attention-guided hybrid transformer-ensemble learning framework for emotional vulnerability detection in cancer-related social media posts. The proposed architecture integrates domain-adapted contextual representations generated by BioBERT with linguistic intensity features to capture both semantic context and emotional strength. An attention-based feature fusion mechanism dynamically combines these heterogeneous features to produce enriched representations of patient narratives. The fused representations are subsequently utilized by multiple optimized machine learning classifiers, including XGBoost, LightGBM, Random Forest, and CatBoost. Hyperparameter optimization is performed using the Optuna framework to improve predictive performance. Furthermore, ensemble learning strategies such as soft voting, hard voting, and stacking are employed to combine the predictions of the base classifiers. Experiments conducted on a held-out split of a publicly available dataset of 10,391 posts from cancer patients and caregivers demonstrate that ensemble approaches consistently outperform individual classifiers on this data. The stacking ensemble achieves an accuracy of 0.76 and an ROC-AUC of 0.91, outperforming its own individual base classifiers but not a fine-tuned BioBERT baseline (accuracy 0.77, ROC-AUC 0.92) evaluated on the same split; a TF-IDF with linear SVM baseline is also competitive (accuracy 0.763). The framework’s practical advantage over full BioBERT fine-tuning is therefore computational rather than purely predictive: it reuses frozen BioBERT features and adds a lightweight, interpretable attention-fusion and tree-ensemble stage at a fraction of the training cost, while an ablation study confirms that the attention-based fusion of contextual and lexical-intensity signals meaningfully outperforms either signal alone or their simple concatenation. The proposed framework thus provides a scalable, lower-cost computational approach that can support mental health monitoring and early intervention systems in online healthcare communities, at a modest accuracy cost relative to full transformer fine-tuning.

درک آسیب‌پذیری هیجانی بیماران سرطانی و مراقبان آنان برای بهبود حمایت روان‌شناختی و راهبردهای مداخله بالینی اهمیت اساسی دارد. با رشد سریع جوامع سلامت آنلاین، حجم زیادی از روایت‌های متنی که تجارب درمانی و چالش‌های هیجانی را توصیف می‌کنند، برای تحلیل محاسباتی در دسترس قرار گرفته‌اند. با این حال، شناسایی دقیق شدت هیجانی و احساسات زمینه‌ای در این روایت‌ها به دلیل الگوهای زبانی پیچیده در مباحث مرتبط با سلامت، همچنان چالش‌برانگیز است. این پژوهش چارچوبی هیبریدی مبتنی بر یادگیری تجمعی و ترنسفورمر هدایت‌شده با مکانیزم توجه را برای شناسایی آسیب‌پذیری هیجانی در پست‌های شبکه‌های اجتماعی مرتبط با سرطان پیشنهاد می‌کند. معماری پیشنهادی، بازنمایی‌های زمینه‌ای سازگار با حوزه که توسط BioBERT تولید شده‌اند را با ویژگی‌های شدت زبانی ترکیب می‌کند تا هم زمینه معنایی و هم قدرت هیجانی را استخراج نماید. مکانیزم ادغام ویژگی مبتنی بر توجه، این ویژگی‌های ناهمگن را به صورت پویا ترکیب می‌کند تا بازنمایی‌های غنی‌شده‌ای از روایت‌های بیماران ارائه دهد. این بازنمایی‌های ادغام‌شده سپس توسط چندین طبقه‌بند یادگیری ماشین بهینه‌شده شامل XGBoost، LightGBM، Random Forest و CatBoost مورد استفاده قرار می‌گیرند. بهینه‌سازی ابرپارامترها با استفاده از چارچوب Optuna برای بهبود عملکرد پیش‌بینی انجام می‌شود. افزون بر این، راهبردهای یادگیری تجمعی مانند رأی‌دهی نرم، رأی‌دهی سخت و استکینگ برای ترکیب پیش‌بینی‌های طبقه‌بندهای پایه به کار گرفته می‌شوند. آزمایش‌های انجام‌شده بر روی بخش جداگانه‌ای از یک مجموعه داده عمومی شامل ۱۰٬۳۹۱ پست از بیماران سرطانی و مراقبان آنان نشان می‌دهد که رویکردهای تجمعی به طور پیوسته عملکرد بهتری نسبت به طبقه‌بندهای منفرد در این داده‌ها دارند. استکینگ تجمعی به دقت ۰٫۷۶ و ROC-AUC برابر با ۰٫۹۱ دست می‌یابد که نسبت به طبقه‌بندهای پایه خود عملکرد بهتری دارد، اما نسبت به خط‌مبنای BioBERT تنظیم‌شده (دقت ۰٫۷۷، ROC-AUC برابر با ۰٫۹۲) که بر روی همان بخش ارزیابی شده است، برتری ندارد؛ همچنین خط‌مبنای TF-IDF با SVM خطی نیز رقابتی است (دقت ۰٫۷۶۳). بنابراین، مزیت عملی چارچوب پیشنهادی نسبت به تنظیم کامل BioBERT، بیشتر محاسباتی است تا صرفاً پیش‌بینی: این چارچوب از ویژگی‌های ثابت‌شده BioBERT استفاده می‌کند و مرحله‌ای سبک، قابل تفسیر و مبتنی بر ادغام توجه و یادگیری تجمعی درختی را با کسری از هزینه آموزش اضافه می‌کند، در حالی که مطالعه حذف اجزا تأیید می‌کند که ادغام مبتنی بر توجه سیگنال‌های زمینه‌ای و شدت واژگانی به طور معناداری بهتر از هر یک به تنهایی یا ادغام ساده آن‌ها عمل می‌کند. بدین ترتیب، چارچوب پیشنهادی رویکردی مقیاس‌پذیر و کم‌هزینه برای پشتیبانی از پایش سلامت روان و سامانه‌های مداخله زودهنگام در جوامع سلامت آنلاین فراهم می‌کند، هرچند با هزینه اندکی در دقت نسبت به تنظیم کامل ترنسفورمر.

Despite advances in cancer treatment, the growing global cancer burden underscores the need for comprehensive and supportive care to address the needs of patients and their families. However, access to psycho-oncological support remains often limited across healthcare systems. This could be related to factors such as resource constraints and insufficient integration of psychological care into routine oncological pathways. Individual-level barriers also exist, including low awareness of available services, stigma, and heterogeneity in patients’ perceived needs and help-seeking attitudes. Nevertheless, psychological burden can significantly influence patients’ experience of the treatment pathway, influencing cognitive clarity, perceived self-efficacy, communication, risk perception, decision-making, and all areas of daily life. In this context, digital mental health solutions have emerged as promising tools to enhance accessibility, continuity of care, and personalisation of support. In this manuscript, we aim to describe the structure of the ALTHEA project (“tAckling menTal Health cancer patients and their families: digital solutions for bEtter cAre”), which focuses on the development of a novel web-based digital platform targeting cancer patients and their informal caregivers’ mental health across different stages of the care pathway. ALTHEA is distinguished by the presence of screening, classification into different support profiles, and tailored interventions within a single platform, as well as by its co-creation approach involving patients and stakeholders. In this line, the ALTHEA project represents a timely opportunity to integrate digital health solutions into psycho-oncology care, improving mental health outcomes, enhancing patient empowerment, and promoting a more holistic approach to cancer care.

علی‌رغم پیشرفت‌ها در درمان سرطان، افزایش بار جهانی سرطان نیاز به مراقبت‌های جامع و حمایتی برای پاسخگویی به نیازهای بیماران و خانواده‌های آنان را برجسته می‌کند. با این حال، دسترسی به حمایت روان‌آنکولوژیک اغلب در نظام‌های سلامت محدود باقی می‌ماند. این امر می‌تواند به عواملی مانند محدودیت منابع و ادغام ناکافی مراقبت روان‌شناختی در مسیرهای معمول آنکولوژی مرتبط باشد. موانع در سطح فردی نیز وجود دارد، از جمله آگاهی پایین از خدمات موجود، انگ و ناهمگونی در نیازهای ادراک‌شده بیماران و نگرش‌های آنان نسبت به جستجوی کمک. با این وجود، بار روان‌شناختی می‌تواند به طور قابل توجهی تجربه بیماران از مسیر درمان را تحت تأثیر قرار دهد و بر وضوح شناختی، خودکارآمدی ادراک‌شده، ارتباطات، ادراک ریسک، تصمیم‌گیری و تمامی حوزه‌های زندگی روزمره اثرگذار باشد. در این زمینه، راهکارهای دیجیتال سلامت روان به عنوان ابزارهایی نویدبخش برای افزایش دسترسی‌پذیری، تداوم مراقبت و شخصی‌سازی حمایت مطرح شده‌اند. در این مقاله، هدف ما توصیف ساختار پروژه ALTHEA («مقابله با سلامت روان بیماران سرطانی و خانواده‌های آنان: راهکارهای دیجیتال برای مراقبت بهتر») است که بر توسعه یک پلتفرم دیجیتال مبتنی بر وب با هدف سلامت روان بیماران سرطانی و مراقبان غیررسمی آنان در مراحل مختلف مسیر مراقبت تمرکز دارد. پروژه ALTHEA با وجود غربالگری، طبقه‌بندی به پروفایل‌های حمایتی مختلف و مداخلات متناسب در یک پلتفرم واحد، و همچنین رویکرد هم‌آفرینی با مشارکت بیماران و ذینفعان متمایز می‌شود. در این راستا، پروژه ALTHEA فرصتی به‌موقع برای ادغام راهکارهای سلامت دیجیتال در مراقبت روان‌آنکولوژی فراهم می‌کند و بهبود پیامدهای سلامت روان، ارتقای توانمندسازی بیماران و ترویج رویکردی جامع‌تر به مراقبت سرطان را به همراه دارد.