Symptom clusters and survival in Portuguese patients with advanced cancer
Notice bibliographique
Résumé
This study aimed to identify clusters of symptoms, to determine the patient characteristics associated with identified, and determine their strength of association with survival in patients with advanced cancer (ACPs). Consecutively eligible ACPs not receiving cancer-specific treatment, and referred to a Tertiary Palliative Care Clinic, were enrolled in a prospective cohort study. At first consultation, patients rated 9 symptoms through the Edmonton Symptom Assessment System (0-10 scale) and 10 others using a Likert scale (1-5). Principal component analysis was used in an exploratory factor analysis to identify. Of 318 ACPs, 301 met eligibility criteria with a median (range) age of 69 (37-94) years. Three SCs were identified: neuro-psycho-metabolic (NPM) (tiredness, lack of appetite, lack of well-being, dyspnea, depression, and anxiety); gastrointestinal (nausea, vomiting, constipation, hiccups, and dry mouth) and sleep impairment (insomnia and sleep disturbance). Exploratory factor analysis accounted for 40% of variance of observed variables in all SCs. Shorter survival was observed for patients with the NPM cluster (58 vs. 23, P < 0.001), as well as for patients with two or more SCs (45 vs. 21, P = 0.005). In a multivariable model for survival at 30-days, age (HR: 0.98; 95% CI: 0.97-0.99; P = 0.008), hospitalization at inclusion (HR: 2.27; 95% CI: 1.47-3.51; P < 0.001), poorer performance status (HR: 1.90, 95% CI: 1.24-2.89; P = 0.003), and NPM (HR: 1.64; 95% CI: 1.17-2.31; P = 0.005), were associated with worse survival. Three clinically meaningful SC in patients with advanced cancer were identifiable. The NPM cluster and the presence of two or more SCs, had prognostic value in relation to survival.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».