Clinical Characteristics of Cancer Patients Referred Early to Supportive and Palliative Care
Notice bibliographique
Résumé
BACKGROUND: Palliative care is evolving from end-of-life care to care provided earlier in the disease trajectory. We compared clinical characteristics between patients referred late in the course of their disease (late referrals, LRs) with patients referred earlier (early referrals, ERs). METHOD: Six hundred and ninety-five patients referred to the Supportive Care Center (SCC) with follow-up within 30 days were enrolled. One hundred ERs (expected survival ≥ 2 years or receiving treatment for curative intent, 14.4%) were compared with a random sample of 100/595 consecutive LRs (all others). RESULTS: ERs were younger (54.4 versus 59.5, p=0.009), more likely to have head and neck cancer (67% versus 6%, p<0.0001), alcoholism (15% versus 4%, p=0.014), and shorter disease duration until first palliative care consultation (3.8 months versus 16.2 months, p<0.0001). They were also more likely to be referred by radiation oncologists (49% versus 3%, p<0.0001), be referred for treatment-related side effects (70% versus 9%, p<0.0001), and receive more anticancer treatment (74% versus 48%, p=0.0002). Head and neck cancer and reason for referral were independent predictors for ERs (p<0.0001) in multivariate analysis. Baseline Edmonton Symptom Assessment System (ESAS) symptoms were similar between ERs and LRs. Both groups exhibited improved ESAS scores at follow-up; LRs experienced greater improvement in the symptom distress score (-5.5 versus -3, p=0.007). The median total number of medical visits was higher in ERs (p<0.001); however, the median number of visits per month was higher in LRs (p<0.001). CONCLUSIONS: ERs had different patient characteristics than LRs, and although ERs experience distress similar to that of LRs, their needs and outcomes differ.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».