Characterizing Distress, the 6th Vital Sign, in an Oncology Pain Clinic
Notice bibliographique
Résumé
CONTEXT: The delineation of populations of cancer patients with complex symptoms can inform the planning and delivery of supportive care services. OBJECTIVES: We explored the physical, psychosocial, and practical concerns experienced by patients attending an ambulatory oncology symptom control clinic. METHODS: Patients attending a Pain Clinic at a large tertiary cancer centre were invited to complete screening measures assessing distress, pain, fatigue, anxiety, depression, and practical and psychosocial problems. A matched sample of patients who did not attend the Pain Clinic were selected as a comparison group. RESULTS: Of all eligible Pain Clinic patients, 46 (77%) completed the measures; so did 46 comparison group patients. The percentages of patients reporting distress (78.3%), pain (93.5%), and fatigue (93.5%) were higher among Pain Clinic patients than among the comparison patients. A higher percentage of Pain Clinic patients also reported multiple, severe, concurrent symptoms: 87% scored 7 or higher in at least one of the pain, fatigue, or distress scales, and 30.4% of the patients scored 7 or higher on all three. The most common problem areas were feeling a burden to others, trouble talking with friends and family, spirituality, and sleep difficulties. CONCLUSIONS: Higher levels of multiple, concurrent symptoms and psychosocial problems were found in Pain Clinic patients than in a group of patients who did not attend the Pain Clinic. Routine screening and triaging of cancer patients using a comprehensive and standardized panel of questions can facilitate symptom assessment and management, and can inform program planning.
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 | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 ».