The EORTC QLQ-BN20 for assessment of quality of life in patients receiving treatment or prophylaxis for brain metastases: a literature review
Notice bibliographique
Résumé
INTRODUCTION: Brain metastases occur in approximately 20-40% of cancer patients during the course of disease. As treatment for brain metastases is palliative over curative, quality of life (QoL) is emphasized over prolonged survival. The European Organization for Research and Treatment of Cancer (EORTC) QLQ-BN20 is a QoL assessment specific to brain neoplasms. We aim to provide a review of the current use of the EORTC QLQ-BN20 for patients with brain metastases. MATERIALS & METHODS: All studies utilizing the QLQ-BN20 for QoL assessment in patients receiving treatments related to brain metastases were included. Study information including treatment type, assessment periods, patient enrolment and all information pertaining to the QLQ-BN20 were extracted. RESULTS: A total of 13 studies were identified, five of which were randomized trials assessing prophylactic whole brain radiation for patients with small-cell lung cancer. The QLQ-BN20 was used in conjunction with the core QLQ-C30 questionnaire in all but one of the studies and together these comprised the entire QoL assessments for 11 of the 13 studies. Neurocognitive function assessments supplemented QoL in four studies and accompanying performance status indices used with the QLQ-BN20 varied. Compliance issues were commonly cited. QoL changes during study periods varied as improvements, deteriorations and stabilizations were all observed. CONCLUSION: QoL assessments should be conducted using disease-specific tools. Future studies should minimize patient burden in order to maximize data collection and accrual. A common set of QoL end points for patients with brain metastases should be created.
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 | 0,014 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».