Novel malignant bowel obstruction (MBO) management program for women with advanced gynecological cancer.
Notice bibliographique
Résumé
158 Background: Malignant bowel obstruction (MBO) is a common and challenging clinical predicament in women with advanced gynecological cancers. However, there is a lack of evidence-based guidelines or innovative approaches to improve patient care and quality of life. We implemented an inter-professional MBO management program incorporating a nurse-led ambulatory symptom management algorithm and multidisciplinary care conferences (MCC) as hallmarks of this program. Methods: Princess Margaret Cancer Centre has piloted an inter-professional MBO management program that supports women with advanced gynecological cancers who are at risk of/have developed MBO. The MBO team includes oncologists (medical, surgical, gynecologic and radiation), palliative care physicians, diagnostic and interventional radiologists, home parenteral nutrition physicians, specialized oncology nurses, dietitians, pharmacists and social workers. Complex MBO cases are discussed at regular MCC to derive treatment consensus. A symptom-driven MBO management algorithm has been devised and all patients are educated with a personalized bowel symptom management and dietary plan. For outpatient care, patients with MBO are proactively monitored by our specialized oncology nurses via phone or an eHealth bowel application to facilitate communication of symptoms and early intervention. Access to community services and home palliative care services are utilized to support care at home. All patients are enrolled into a prospective database to assess care impact and quality. Results: A total of 145 patients have been followed through the MBO management program over 12 months. At time of data cutoff, 14 had MBO (3 inpatients and 11 outpatients) and 22 were deemed at risk of MBO. Majority patients are managed as an outpatient and avoided unnecessary emergency department episodes. Detailed methodology and data analyses will be presented. Conclusions: A successful novel MBO program incorporating inter-professional care model and nurse-led ambulatory symptom management algorithm optimizes patient care in this vulnerable population and foster collaboration in implementing best practice clinical processes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».