Measurement of Quality of Life in Patients With End-Stage Cancer
Notice bibliographique
Résumé
BACKGROUND: Cancer is the leading cause of death in Korean adults. A good quality of life for patients at end life can control pain and symptoms and help maintain well-being. OBJECTIVE: The aim of this study was to measure quality of life in end-stage cancer patients using the Korean version of the McMaster Quality of Life (K-MQOL). METHODS: The K-MQOL was administered to adult end-stage cancer patients from 4 Korean university hospitals. We hypothesized quality-of-life differences between participants by daily activity level, number of symptoms, and participant status (alive or not) at end of study. RESULTS: Participants' mean age was 49.2 years, and 74.5% were men. As hypothesized for discriminant validity, Pearson correlation coefficients among the K-MQOL were less than 0.4, with the exceptions of emotion (0.25-0.52) and cognition (0.33-0.51). A higher Eastern Cooperative Oncology Group Performance States Rating score was significantly associated with a lower quality of life (F = 2.840, P = 0.034). The mean score of those within 21 days of death was significantly lower than that of patients who were alive at the end of the study (t = -2.48, P = .04). Patients with a smaller number of symptoms other than pain had significantly higher quality-of-life scores than did those with more symptoms (F = 5.059, P = .004). CONCLUSIONS: The K-MQOL provided reliable and valid scores of quality of life in end-stage cancer patients. IMPLICATIONS FOR PRACTICE: Assessing end-stage cancer patients' quality of life helps to identify each patient's condition and aspects that could benefit from nursing care. We anticipate that the K-MQOL will be useful for patient assessment in clinical and community settings.
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) | 0,000 | 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) | 0,001 | 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 ».