Do patient‐reported measures of symptoms and health status predict mortality in hemodialysis? An assessment of POS‐S Renal and EQ‐5D
Notice bibliographique
Résumé
Introduction Experience with the use of patient-reported outcome measures such as EQ-5D and the symptom module of the Palliative care Outcome Scale-Renal Version (POS-S Renal) as mortality prediction tools in hemodialysis is limited. Methods A prospective survival study of people receiving hemodialysis (N = 362). The EQ-5D and the POS-S Renal were used to assess symptom burden and self-rated health (with a self-rated component). Participants were followed from instrument completion to death or study end. Competing risks survival analysis was used to evaluate associations with time to death, with renal transplant as a competing risk. Findings 32% (N = 116) of participants died over a median (25th-75th centile) of 2.6 (1.41-3.38) years. Factors most notably associated with mortality adjusted hazard ratio (95%CI) included: lower EQ VAS score 2.7 (1.4, 5.2) P = 0.004 (lowest tertile), higher POS-S Renal score 2.4 (1.3, 4.3) P = 0.004 (highest tertile), and lower EQ-5D score 2.6 (1.3, 5.3) P = 0.01 (lowest tertile) as well as the presence of: "problems with mobility?" 2 (1.1, 3.3) P = 0.01, or "problems with usual activities?" 2.1 (1.4, 3.3), P < 0.001. After age adjustment area under the receiver operating curves (AUC) (95%CI) for mortality were: 0.71 (0.62, 0.79) for EQ VAS score, 0.71 (0.63, 0.80) for POS-S Renal-S Renal score, and 0.76 (0.68, 0.84) for EQ-5D score. AUC 95%CI was highest for our fourth model at 0.79 (0.72, 0.86) comprised of individual elements from both instruments and established risk factors. Discussion EQ VAS scores and predictive models based on combinations of elements from the POS-S Renal and EQ-5D instruments may aid in mortality discrimination and possibly in the delivery of supportive care services.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».