Do patient-reported symptoms predict for emergency department visits? A population-based analysis.
Notice bibliographique
Résumé
6039 Background: Since 2007 in Ontario, Canada, the Edmonton Symptom Assessment System (ESAS) has been routinely used to assess symptoms in cancer patients in both ambulatory and home-care settings. The purpose of this study was to determine the relationship between individual patient symptoms, and their severity, with the likelihood of an emergency department (ED) visit. Methods: The cohort includes all cancer patients in Ontario who completed an ESAS assessment between January 2007 and March 2009. We linked multiple provincial health databases to describe the cohort and determine if an ED visit occurred within 7 days of the patient’s first ESAS. Multivariate logistic regression was used to determine the association between symptom scores (absent: score 0; mild: 1-3; moderate: 4-7; severe: 8-10) and the likelihood of an ED visit. Results: The cohort included 45,118 unique patients whose first assessment contributes to the study. 3.8% (n=1732) had an ED visit. The patients with ED visits were more likely to be men, to have lung or gastro-intestinal cancer, to have had recent radio or chemotherapy, and to have a shorter survival. The proportion of patients with ED visits increased from 2% to 10-12% as individual symptom scores increased from 0 to 10. Anxiety and depression were not associated with ED visits in the model, regardless of severity. Pain, nausea, drowsiness, appetite and shortness of breath with moderate or severe scores were associated with ED visits. Tiredness and wellbeing were the only symptoms to show a significant association for mild, moderate and severe scores. A well being score of 7-10 (reference score=0) had the highest odds ratio of 1.8 (95% CI 1.4-2.3). Conclusions: Worsening symptoms clearly contribute to ED visits. While specific symptoms like pain are obvious targets for management in the outpatient setting, constitutional symptoms like wellbeing or fatigue are associated with even higher odds. Though difficult to manage, such symptoms also warrant detailed assessment in order to optimize patient outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».