Prevalence and Intensity of Pain and Other Physical and Psychological Symptoms in Adolescents and Young Adults Diagnosed with Cancer on Referral to a Palliative Care Service
Notice bibliographique
Résumé
PURPOSE: While adolescent and young adult (AYA) oncology is recognized as a distinct specialty, there remains a paucity of literature documenting symptomatology in this cohort. This study aimed to identify the prevalence, severity, and mechanism of pain and other symptoms in AYA patients referred to a palliative care service in a specialist Australian cancer center. METHODS: A retrospective design analyzed the case file data of 33 eligible AYA patients aged 15-25 years old at diagnosis and two randomly selected control groups of patients >25 years old: unmatched and matched for diagnosis and sex. All cases were referred to the palliative care service between July 2009 and June 2012. Descriptive statistics, analysis of Edmonton Symptom Assessment Scale (ESAS) and Edmonton Classification System of Cancer Pain (ECS-CP) data, and non-parametric tests were performed. RESULTS: The most common malignancies among the AYA patients were sarcoma and hematological cancers. All AYA patients reported pain syndrome on the ECS-CP compared with 85% of the matched controls (p=0.018). An age group effect was found for mechanisms of pain (p=0.035). A trend toward more neuropathic pain among AYA cases was also found (59% vs. 39%). The most common ESAS symptoms in AYAs were pain (91%), diminished well-being (76%), fatigue (75%), and decreased appetite (67%). CONCLUSION: AYA cancer patients appear to experience a unique symptom profile with high symptom prevalence and complexity. Further research is warranted to identify determinants and inform integration of supportive and palliative care services for this unique patient cohort.
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 ».