Quality of life and survival prediction in terminal cancer patients
Notice bibliographique
Résumé
BACKGROUND: It remains unclear whether health-related quality of life (HRQoL) measurements from patients and staff can be combined with medical data to predict survival in patients with terminal cancer. METHODS: The correlations between survival and potential health-related quality-of-life (HRQoL) prognostic variables were explored in 2 independent cohorts of patients with terminal cancer (248 patients in Cohort 1 and 756 patients in Cohort 2) after adjusting for clinical and demographics variables using Cox regression models. RESULTS: At the onset of the terminal phase (Cohort 1), the hazards of dying increased by 28% in the presence of dyspnea and by 68% in the presence of nausea/emesis; however, the most important predictors of worse survival were the presence of liver metastases (hazard ratio [HR], 2.5; 95% confidence interval [95% CI], 1.8-3.8), lung tumor (HR, 2.4; 95% CI, 1.7-3.4), and tumor burden (HR, 2.0; 95% CI, 1.4-2.7). In contrast, for patients who were seen in later stages of their terminal disease (Cohort 2), dyspnea (HR, 1.5; 95% CI, 1.1-1.9) and the coexistence of weakness with a diagnosis of digestive tumors (HR, 5.2; 95% CI, 1.2-21.8), breast tumors (HR, 3.1; 95% CI, 1.6-6.2), and genitourinary tumors (HR, 3.5; 95% CI, 1.6-7.8) were more predictive of survival than the type of tumor primary. Emotional functioning along with anxiety, spiritual distress, and lack of insight were not associated consistently with survival in both cohorts. CONCLUSIONS: Health care professionals should focus on physical HRQoL indicators, such as nausea and emesis, dyspnea, and weakness, to gather prognostic clues in patients with terminal cancer. These symptoms may reflect consequences of cancer cachexia and the progress of patients toward this terminal syndrome. Psychosocial distress did not appear to be associated consistently with survival; however, future studies should clarify further the prognostic significance of "positive attitudes", such as hope and optimism, in patients with advanced cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».