A Multicenter Assessment of the Adequacy of Cancer Pain Treatment Using the Pain Management Index
Notice bibliographique
Résumé
PURPOSES: Determine adequacy of management of pain secondary to bone metastases by physicians referring to specialized outpatient palliative radiotherapy (RT) clinics in Canada; compare geographic differences in adequacy of pain management and pain severity between these cohorts; compare results with published international literature. METHODS: Prospectively collected data from three participating centers were used to calculate the Pain Management Index (PMI) by subtracting the patient-rated pain score at time of initial clinic visit from the analgesic score. Scores were 0, 1, 2, and 3 when patients reported no pain (0), mild (1-4), moderate (5-6), or severe pain (7-10), respectively, on the Edmonton Symptom Assessment System or Brief Pain Inventory. Analgesic scores of 0, 1, 2, and 3 were assigned for no pain medication, nonopioids, weak opioids, and strong opioids respectively. A negative PMI suggests inadequate pain management. RESULTS: Overall incidence of negative PMI and moderate to severe pain was 25.1% and 70.9% respectively for 2011 patients. Comparing the three participating centers, the incidence of negative PMI was 31.0%, 20.0%, and 16.8% (p < 0.0001), and severe pain was 55.5%, 48.2% and 43.4% (p < 0.0001), these correlated with a negative PMI. Patients referred to our clinics were less likely to be undertreated for their pain when compared to study results from international countries. CONCLUSION: Geographic differences in adequacy of analgesic management for painful bone metastases exist between Canadian specialized outpatient palliative RT clinics and between centers globally. Investigating reasons for these differences may provide insight into solutions to improve quality of life for these patients.
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 | 0,004 | 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) | 0,001 | 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 ».