End-of-Life Treatments in Pediatric Patients at a Government Tertiary Cancer Center in India
Notice bibliographique
Résumé
AIM: The primary objective of this study was to describe demographics and end-of-life treatments of children with cancer at a government tertiary cancer center in India. METHODS: A retrospective review was undertaken of medical charts of all children younger than 18 years, who died as inpatients while undergoing treatment at the pediatric oncology department between April and September 2016. Data were collected on demographics, diagnosis, treatments, survival, palliative care involvement, and symptoms at end of life. RESULTS: There were 44 pediatric oncology patients who died in the hospital during the study period. The most frequent diagnoses were hematological malignancies (n = 29). Tumor-specific treatment was given to 38/44 (86%) patients in the last 30 days of life, and 13 patients in the last day of life or 1 day before. Of all deaths, 23/44 (52%) occurred within 30 days of admission to the pediatric ward and 34/44 (77%) within 90 days. Of the 44 patients, 25 (57%) were referred to palliative care. The median number of days between referral and death was 14 (0-78) days. Frequent symptoms documented were bleeding (11/44), dyspnea (10/44), pain (7/44), seizures (7/44), and delirium (5/44), with each patient having one or more of these symptoms. Only patients with a palliative care referral received opioid analgesics or benzodiazepines at the end of life. CONCLUSIONS: This study highlights the demographics of suffering, death, and end-of-life care in children with cancer at a government tertiary cancer center in India.
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 | 0,001 |
| 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 | 0,000 |
| 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 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 ».