Symptom clusters in patients with advanced cancer: Sub-analysis of patients reporting exclusively non-zero ESAS scores
Notice bibliographique
Résumé
BACKGROUND: Advanced cancer patients often experience multiple concurrent symptoms, which can have prognostic effects on patients' quality of life. Including patients who did not experience all of the symptoms measured by an assessment tool may interfere with accurate symptom cluster identification. Varying statistical methods may also contribute to inconsistencies of cluster results. AIMS: To compare symptom clusters in a subgroup of patients reporting exclusively non-zero ESAS scores with those in the total patient sample. To examine whether using different statistical methods results in varied symptom clusters. DESIGN: Principal Component Analysis (PCA), Hierarchical Cluster Analysis (HCA) and Exploratory Factor Analysis (EFA) were performed on the 'non-zero' subgroup and the total patient sample to identify symptom clusters at baseline and weeks 1, 2, 4, 8 and 12 following palliative radiotherapy. SETTING/PARTICIPANTS: A previous single-centre study used Principal Component Analysis to explore symptom clusters in 1296 advanced cancer patients. The present study analyzed this previously reported data set. RESULTS: Notably different symptom clusters were extracted between the two patient groups regardless of the statistical method at baseline, with the exception of a cluster composed of drowsiness, fatigue and dyspnea using Principal Component Analysis and Hierarchical Cluster Analysis. At follow-ups, different statistical methods yielded significantly varied symptom clusters. Only anxiety, depression and well-being consistently occurred in the same cluster across methods and over time. CONCLUSIONS: The composition of symptom clusters varied depending on if patients with non-zero scores were excluded at baseline and on the statistical method employed. Identifying valid clusters may prove useful for bettering symptom diagnosis and management for cancer patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».