Associação da Intensidade de Dor no Tempo Até à Morte dos Doentes Oncológicos Referenciados aos Cuidados Paliativos
Notice bibliographique
Résumé
INTRODUCTION: Pain is a common symptom experienced by cancer patients, especially in those with advanced disease. Our aim was to describe pain intensity in advanced cancer patients, referred to the palliative care unit, the factors underlying moderate to severe pain and its prognostic values. MATERIAL AND METHODS: This was a prospective observational study. All patients with mestastatic solid tumors and with no specific oncologic treatment were included. Pain intensity was accessed using the pain scale from Edmonton Symptom Assessment Scale, rated from 0 to 10 on a numerical scale, where zero = no pain and 10 = worst possible pain. RESULTS: Between October 2012 and June 2015, a total of 301 patients participated in the study. The median age was 69 years, (37 - 94); most of the patients were men (57%) and 64.8% had a performance status of 3/4. About 42% reported pain severity ≥ 4 and 74% were medicated with opioids. Multivariate analysis indicated a correlation between performance status and reported pain (OR: 1.7; IC 95%: 1.0 - 2.7; p = 0.045). Median overall survival was 37 days (IC 95%: 28 - 46). Patients reporting moderate to severe pain (pain severity ≥ 4) had a median survival of 29 days (IC 95%: 21 - 37), comparing with those who had no or moderate pain with median survival of 49 days (IC 95%: 35 - 63) (p = 0.022). DISCUSSION: The performance status was associated with more intense pain. The performance status, hospitalization, intra-abdominal metastization and opioid analgesia were associated with shorter time to death in advanced cancer patients referred to palliative care. CONCLUSION: Cancer pain continues to be a major clinical problem in advanced cancer patients.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».