Assessment of Palliative Care in Lung Cancer in Turkey
Notice bibliographique
Résumé
OBJECTIVE: To investigate the symptoms of lung cancer in Turkey and to evaluate approaches to alleviate these symptoms. SUBJECTS AND METHODS: This study included 1,245 lung cancer patients from 26 centers in Turkey. Demographic characteristics as well as information regarding the disease and treatments were obtained from medical records and patient interviews. Symptoms were evaluated using the Edmonton Symptom Assessment Scale (ESAS) and were graded on a scale between 0 and 10 points. Data were compared using the χ2, Student t, and Mann-Whitney U tests. Potential predictors of symptoms were analyzed using logistic regression analysis. RESULTS: The most common symptom was tiredness (n = 1,002; 82.1%), followed by dyspnea (n = 845; 69.3%), appetite loss (n = 801; 65.7%), pain (n = 798; 65.4%), drowsiness (n = 742; 60.8%), anxiety (n = 704; 57.7%), depression (n = 623; 51.1%), and nausea (n = 557; 45.5%). Of the 1,245 patients, 590 (48.4%) had difficulty in initiating or maintaining sleep. The symptoms were more severe in stages III and IV. Logistic regression analysis indicated a clear association between demographic characteristics and symptom distress, as well as between symptom distress (except nausea) and well-being. Overall, 804 (65.4%) patients used analgesics, 630 (51.5%) received treatment for dyspnea, 242 (19.8%) used enteral/parenteral nutrition, 132 (10.8%) used appetite stimulants, and 129 (10.6%) used anxiolytics/antidepressants. Of the 799 patients who received analgesics, 173 (21.7%) reported that their symptoms were under control, and also those on other various treatment modalities (dyspnea: 78/627 [12.4%], appetite stimulant: 25/132 [18.9%], and anxiolytics/antidepressants: 25/129 [19.4%]) reported that their symptoms were controlled. CONCLUSION: In this study, the symptoms progressed and became more severe in the advanced stages of lung cancer, and palliative treatment was insufficient in most of the patients in Turkey.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».