Symptom burden to predict health care utilization in hospitalized patients with incurable cancer.
Notice bibliographique
Résumé
98 Background: Patients with incurable cancer are often hospitalized and have frequent readmissions after discharge. Considering the high physical and psychological symptom burden in this population, we sought to investigate symptoms as predictors of hospital length of stay (LOS) and time to first unplanned readmission. Methods: We consecutively enrolled incurable cancer patients with unplanned hospital admissions from 9/2014-4/2016. Within the first 5 days of admission, we assessed physical (Edmonton Symptom Assessment System [ESAS]; scored 0-10) and mood symptoms (Patient Health Questionnaire 4 [PHQ-4]; scored categorically). We created summated ESAS total and physical symptom variables. To identify predictors of LOS we used linear regression and for time to readmission we used Cox regression, with all models adjusted for age, sex, marital status, comorbidity, education, cancer type and time since incurable diagnosis. Results: We enrolled 1,000 of 1,227 (81%) eligible patients (mean age = 63.4; 50% female; 66% married). Gastrointestinal (33%) and lung (18%) cancers were the most common. Mean hospital LOS was 6.2 days and 30-day readmission rate was 25%. Over half of patients reported moderate/severe fatigue, drowsiness, lack of appetite, pain and poor well-being. Over one-fourth screened positive for PHQ depression and anxiety. All physical and mood symptoms individually predicted for longer LOS. Pain, nausea, poor well-being, ESAS total, ESAS physical and PHQ anxiety predicted for shorter time to readmission. Conclusions: Hospitalized patients with incurable cancer experience a high symptom burden, which correlates with their health care utilization. Both physical and psychological symptoms predict for longer hospital LOS and shorter time to readmission. These findings can inform interventions targeting patients’ symptoms during hospital admissions in an effort to improve health care delivery and utilization. [Table: see text]
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».