A longitudinal study of palliative care
Notice bibliographique
Résumé
BACKGROUND: The current article evaluated the course of patient-assessed symptomatology in specialized palliative care and tested for bias due to patient attrition in measures of initial symptomatology and treatment outcome. METHODS: Over 2 years, 267 consecutive, eligible patients were referred to a department of palliative care. Upon arrival, 201 patients consented to participate in a questionnaire-based evaluation of quality of life (QOL). Of these, 175 patients participated, and 142, 119, and 95 participated in the study at 1, 2, and 3 weeks, respectively. Weekly, participants completed the self-assessment questionnaires European Organization for Research and Treatment of Cancer QLQ-C30, Edmonton Symptom Assessment System, Hospital Anxiety and Depression Scale, and Multidimensional Fatigue Inventory. Physicians used the Mini Mental State Examination to evaluate cognitive function. Changes from the initial symptom scores for each week were calculated. Initial scoring and change after 1 week were tested for association with completion level, i.e., whether the patient completed questions at 1, 2, 3, or 4 time points. RESULTS: High initial symptom intensity and significant improvements over time were observed for pain, lack of appetite, nausea/vomiting, sleeplessness, constipation, and overall QOL/well-being. For some symptoms, initial scores were significantly higher in patients who dropped out, but the changes over the first week were not significantly different between completion levels for any symptom. CONCLUSIONS: Improvement in symptom intensity was identified. Dropout was associated with higher initial symptomatology but not with poorer outcome of palliative treatment.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».