Which variables are associated with pain intensity and treatment response in advanced cancer patients?— Implications for a future classification system for cancer pain
Notice bibliographique
Résumé
BACKGROUND: This study is part of a research program to reach consensus on an international cancer pain classification system. A confirmative and explorative approach was applied to investigate which of the variables identified in the literature, by experts and patients that are associated with pain. METHODS: Data from an international, multicentre, cross-sectional study of cancer patients treated with opioids were investigated. Dependent variables were: average pain, worst pain, and pain relief (11-point Numerical Rating Scales). Forty-six independent variables were chosen based upon previous studies. Bivariate analyses identified independent variables associated with at least one of the dependent ones; 21 were included in multivariate linear regression analyses. RESULTS: Two thousand two hundred and seventy-eight patients were investigated; 52% males, mean age 62 years, mean Karnofsky Performance Status 59%, mean daily opioid oral equivalent dose 341 mg. Fifty-eight percent had breakthrough pain. Mean pain scores were: average pain 3.5, worst pain 5.3 and pain relief 74%. Variables most strongly associated with these three dependent variables were: breakthrough pain, psychological distress, sleep, and opioid dose. CONCLUSIONS: Breakthrough pain and psychological distress were confirmed as key variables of a future classification system. Candidate variables were: sleep, opioid dose, pain mechanism, use of non-opioids, pain localisation, cancer diagnosis, location of metastases, and addiction.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».