Follow-up Visits and Changes in Pain Scores Reported by Oncology Outpatients After Initial Presentation With Severe Pain
Notice bibliographique
Résumé
BACKGROUND: In addition to tumour treatment, the management of symptoms such as pain is an important component of cancer care. Pain management is a complex field and prior studies have highlighted many different clinical care responses to a cancer patient presenting with severe pain. We explored follow-up and how pain screening scores changed over time, among a cohort of cancer outpatients, and how follow-up was scheduled after the initial visit. METHODS: The care provided to 96 patients seen at the London Regional Cancer Program was reviewed for the 12-week period following presentation with severe pain >7/10. Follow-up ESAS (Edmonton Symptom Assessment System) scores, visits, and compliance were documented. RESULTS: Follow-up ESAS data was available for 41/96 patients. Mean ESAS pain decreased from 8.4/10 to 3.6/10 among those patients with follow-up; however, for 55/96 patients, no follow-up ESAS score was available (deceased n=3, no follow-up visit n=41, no pain score reported, n=11). CONCLUSIONS: Despite a very high proportion of documented active pain management plans in the case of cancer patients presenting with severe pain, very little follow-up directed specifically at pain management was performed. Cancer treatment appears to be the primary determinant of oncology follow-up timing at our centre.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».