MétaCan
Menu
Retour à la cohorte
Enregistrement W2783535369 · doi:10.21037/atm.2017.11.38

Quality of life assessment in esophagectomy patients

2018· review· en· W2783535369 sur OpenAlexaff
Alla Alghamedi, Gordon Buduhan, Lawrence Tan, Sadeesh Srinathan, Joanne Sulman, Gail Darling, Biniam Kidane

Notice bibliographique

RevueAnnals of Translational Medicine · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueEsophageal Cancer Research and Treatment
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineEsophagectomyEsophageal cancerQuality of life (healthcare)Intensive care medicineCancerInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Esophagectomy is the mainstay of curative therapy for esophageal cancer; however, it is associated with significant morbidity and mortality, with subsequent major impact on quality of life. This paper reviews the evaluation of health-related quality of life (HRQOL) in esophageal cancer patients undergoing curative intent therapy, the relationship between postoperative HRQOL and survival as well the potential utility of pre-treatment HRQOL as a prognostic tool. HRQOL assessment is valuable in helping clinicians understand the impact on patients of esophageal cancer and the various treatments thereof. HRQOL is also valuable as an end-point in studies of esophageal cancer and esophageal cancer treatment. Given the morbidity and mortality associated with the various treatments for esophageal cancer, it could be argued that HRQOL is as important an endpoint as survival, if not more so. Patient-reported pre-treatment HRQOL assessment appears to predict survival better than clinician-derived performance status assessment period. HRQOL assessment also appears to be responsive to surgical and non-surgical therapy and thus could potentially be used in trials and in practice to serve that function. Thus, HRQOL assessment could be a potentially important adjunct in shared decision-making and guiding treatment planning as well as monitoring the progress of treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,298
Tête enseignante GPT0,536
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Translational MedicineMême sujetEsophageal Cancer Research and TreatmentTravaux en français237 207