MétaCan
Menu
Retour à la cohorte
Enregistrement W2331878001 · doi:10.1177/1049909114565109

Nonpain Symptom Prevalence and Intensity of Inpatients With Moderate to Severe Cancer Pain in China

2014· article· en· W2331878001 sur OpenAlexaboutno aff
Kai Ji, Jian-Lei Hao, Xian-jiang Cheng, Bing-qing Guan, Wei-shuai Liu, Kun Wang

Notice bibliographique

RevueAmerican Journal of Hospice and Palliative Medicine® · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To identify prevalence and severity of nonpain symptoms and to clarify possible influences on each nonpain symptom. METHODS: The study used a descriptive survey design. Chinese version of the Edmonton Symptom Assessment System was used. Patients' demographic and pain characteristics were collected. RESULTS: The most common symptoms reported were loss of appetite (94.3%) followed by insomnia (93.3%), and tiredness (91.6%). Prevalence rates of nonpain symptom were all above 70% except "thinking clearly." Prevalence and severity of nonpain symptoms varied by gender, age, primary cancer, and pain characteristics, especially intensity, number of breakthrough pain episodes per day, and number of pain sites. CONCLUSIONS: Most inpatients with cancer pain experienced concurrent nonpain symptoms. Comprehensive symptom assessment and intervention managing multiple symptoms are essential for these inpatients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,269
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Hospice and Palliative Medicine®Même sujetPain Management and Opioid UseTravaux en français237 207