Caregivers' accuracy in reporting patients' symptom: A preliminary report.
Notice bibliographique
Résumé
64 Background: Improving symptom control during end of life (EOL) is a core goal of palliative care. When patients are not able to report their symptoms, caregivers (CG) report symptom intensity as surrogates. Data show that there is good agreement between patients and CG in reporting symptom intensity. However, little is known about factores that influence CGs’ accuracy. The aim of the study was to determine CG accuracy of advanced cancer patients’ symptoms and to identify CG factors that could modify it. Methods: In this prospective study, patients with advanced cancer enrolled in the National Program of Palliative Care at a public Hospital in Santiago, Chile and their CGs independently scored ten patients’ symptoms using the Edmonton Symptom Assessment Scale (ESAS). Correlation between patient and CG scores were estimated for each symptom. Differences between patient and CG scores were calculated for each symptom and were transformed into positive values. A continuous variable was created with the sum of all the differences as an indicator of caregiver overall accuracy, with smaller scores meaning better accuracy. CG depression, anxiety (HADS) and burden (ZARIT) were also assessed. Results: 36 patients and their CG were included in this preliminary analysis. Mean patient age was 64, 20 (56%) females, 13 (36%) had GI cancer, 7 (19%) lung cancer and 16 (45%) other. Mean caregiver age was 53, 25 (69%) female. We found positive correlations between patients’ and caregivers’ assessment of pain, fatigue, nausea, anorexia, dyspnea, depression and insomnia (r > 0.3 and p < .05 for each symptom). CG accuracy ranged between 10 and 44 points (mean 25, standard deviation 9) and was not associated with CG age, gender, depression, anxiety or burden. CG accuracy was negatively associated with CG worrying thoughts as assessed by one of the HADS questions (Coef -3.99, p = .015), meaning that CG were more accurate when their worrying thoughts were higher. This association remained significant when adjusted by CG depression, anxiety and burden. Conclusions: CG are more accurate in reporting patient symptoms when their levels of worrying thoughts are higher. This information may have implications in interpreting CG report during EOL.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,006 | 0,022 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».