FACT-Br for assessment of quality of life in patients receiving treatment for brain metastases: a literature review
Notice bibliographique
Résumé
INTRODUCTION: Brain metastases are a significant cause of morbidity and mortality for patients with advanced cancers, and quality-of-life (QoL) end points are most appropriate for this population. The Functional Assessment of Cancer Therapy (FACT) questionnaires are commonly used to assess cancer-related QoL issues. The FACT-Brain (FACT-Br) provides an additional set of disease-specific questions pertaining to brain neoplasms. We aim to provide a comprehensive review to examine the use of the FACT-Br as a QoL assessment for patients with brain metastases. MATERIALS & METHODS: A review of the literature was conducted and all studies utilizing the FACT-Br for QoL assessment of patients with brain metastases were included. Study information and relevant information regarding the FACT-Br were extracted. RESULTS: A total of 14 studies were identified representing various treatment options (radiation, chemotherapy and surgery) for patients with brain metastases. All studies utilized at least part of the FACT-Br as the main QoL assessment. In addition, neurocognitive and performance status assessments were performed in nine and 12 out of 14 studies, respectively. Issues of poor accrual, compliance and attrition were common and posed problems in reaching statistically significant changes in QoL despite changes in raw QoL scores. CONCLUSION: Studies involving patients with brain metastases should continue to utilize QoL tools such as the FACT-Br; however, this tool still requires validation for use in this patient population. Additional studies should observe the relationship between neurocognitive function and QoL, and attempt to minimize poor accrual and compliance issues through modifications of trial design and reduction of patient burden.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,001 | 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 ».