Glioblastoma, the Neurosurgeon, and Neuro-Palliative Care
Notice bibliographique
Résumé
Primary malignant brain tumors, such as Glioblastoma multiforme (GBM), carry a poor survival prognosis and lead to a high burden of symptoms for the patient and his/her family. While advances in treatment modalities have led to increased survival rates for patients with GBM it remains a terminal diagnosis. Recent data has demonstrated that patients who receive early palliative care in addition to standard oncological therapies for non-neural cancers have a better quality of life, receive fewer aggressive treatments, and live significantly longer than those who do not receive early palliative care. To date, palliative care has arguably been an underutilized approach to assist in the management of GBM patients. Patients living with brain tumors have symptoms that differ from patients suffering with non-neural cancers, which raises the future possibility of physicians that are dedicated to palliative management of patients with neurological conditions, such as GBM. Common symptoms for patients actively dying with GBM include headaches, seizures, somnolence and fatigue, dysphagia, focal neurological deficits, and cognitive deficits. Neurosurgeons often have early contact with newly diagnosed brain tumor patients. Therefore, it is of utmost importance for the neurosurgeon to have an appreciation of palliative care for this specific patient population and to also have an understanding of the full spectrum of care that these patients will encounter while living, and dying due to GBM. The purpose of this paper is to review the existing literature surrounding palliative care for patients with malignant brain tumors particularly from the perspective of the neurosurgeon and because of the unique symptoms faced by this patient population introduce the concept of neuro-palliative care.
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 | 0,001 |
| 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 | 0,001 | 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 ».