The Association of the Palliative Performance Scale and Hazard of Death in an Ambulatory Cancer Population
Notice bibliographique
Résumé
BACKGROUND: Previous studies have reported survival estimates in palliative populations using the Palliative Performance Scale (PPS) (where 100=best status, 0=death). However, little research has examined the association of the PPS with hazard of death in ambulatory populations. OBJECTIVE: We examined the association between performance status and the instantaneous hazard of death in ambulatory cancer patients, using longitudinal PPS scores. METHODS: This retrospective, population-based cohort study included cancer outpatients who had at least one PPS assessment completed between 2007 and 2009. PPS scores were recorded opportunistically by health care providers at clinic or home care visits. We used a Cox proportional hazards model to determine the relative hazard of death based on repeated measures of PPS score, while controlling for other covariates. RESULTS: Among 11,342 qualifying cancer patients, there were 54,207 PPS assessments. The distribution of PPS scores at first assessment were 23%, 56%, 20%, and 1% for PPS scores of 100, 90-70, 60-40, and ≤ 30, respectively. A quarter of the cohort died within 6 months of the first assessment. The relative hazard of death increases by a factor of 1.69 (95% confidence interval [CI]: 1.72-1.67) for each 10-point decrease in PPS score. Thus the hazard of death increases by 8.2 (1.69(4)) times for a person with PPS score of 30 compared with a person with a score of 70. CONCLUSION: The PPS was significantly associated with hazard of death in ambulatory cancer patients; the relative hazard of death increased based on lowered PPS scores. Providers should consider broadening its use to include patients throughout their disease trajectory.
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 | 0,001 |
| 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) | 0,000 | 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 ».