Which questions of two commonly used multidimensional palliative care patient reported outcome measures are most useful? Results from the European and African PRISMA survey
Notice bibliographique
Résumé
AIM: To evaluate the views of clinicians and researchers on their use of outcome measures and which questions are most important in palliative and end-of-life care. METHODS: Online survey of professionals working in clinical care, clinical audit and research in palliative care across Europe and Africa identified through national and international associations and databases. Questions focused on measures used, reasons and which questions were important in two commonly used multidimensional measures, the Palliative care Outcome Scale (POS) and the Support Team Assessment Schedule (STAS). RESULTS: The overall completion rate was 59% (392/663). Three outcome measures were commonly used by over one in four respondents for clinical practice and over one in 10 for research: the Karnofsky Performance Scale (KPS), followed by the Edmonton Symptom Assessment Scale (ESAS) and the POS. Measures were used twice as often in clinical practice as in research. The main uses were similar: assessing patients' symptoms/needs (88% and 85% of POS and STAS users, respectively), monitoring changes (62%, 58%), evaluating care (61%, 48%) and assessing family needs (59%, 60%). Respondents rated the most important questions as pain, symptoms, emotional and family aspects. There were no differences in the choice of the most important questions between doctors and nurses or between researchers and clinicians. CONCLUSIONS: In palliative care, outcome measures often used in clinical practice are also often used in research. Questions relating to pain, symptoms, emotional needs and family concerns are consistently considered the most useful and important in palliative patient reported outcome measures (PROMs).
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».