Experience of Barriers to Pain Management in Patients Receiving Outpatient Palliative Care
Notice bibliographique
Résumé
BACKGROUND: Patient-reported barriers are an important obstacle to cancer pain management. For effective pain management, exploring patient-reported barriers and related factors is important. OBJECTIVES: The study's objective is to determine factors associated with patient-reported barriers to cancer pain management. METHOD: We conducted a secondary analysis of data from a prospective observational study examining opioid adherence in palliative care outpatients. We evaluated the association between high score on patient-reported barriers to cancer pain management, on the Barriers Questionnaire II (BQ-II), and patients' race, sex, smoking history, pain intensity, opioid dose, and depression. RESULTS: Of 196 patients evaluated (median age 55 years), 147 (75%) were white, 41 (21%) had gastrointestinal cancer, and 121 (62%) were receiving anticancer treatment when data were collected. The median pain score was 4 (interquartile range [IQR] 3-7); 98% were receiving strong opioids; and 63% were satisfied with their pain medication. The median Edmonton symptom assessment scale (ESAS) depression score was 1 (IQR 0-3). Mean (SD) BQ-II scores were 1.8 (0.9) for physiologic effects, 1.6 (0.9) for fatalism, 0.9 (0.9) for communication, 2.3 (1.1) for harmful effects, and 1.7 (0.8) in total. Only racial differences were associated with high total BQ-II score in multivariable analysis (R2=0.05, overall F test significance=0.02). Pain related factors including opioids dose, pain intensity, and satisfaction were not associated with high BQ-II score. CONCLUSION: Patients receiving palliative care expressed low barriers to pain control. There were minimal associations of BQ-II score with demographics and clinical factors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».