Development and evaluation of screening dysphagia tools for observational studies and routine care in cancer patients
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Dysphagia can be associated with significant morbidity in cancer patients. We aimed to develop and evaluate dysphagia screener tools for use in observational studies (phase 1) and for routine symptom monitoring in clinical care (phase 2). METHODS: Various dysphagia or odynophagia screening questions, selected after an expert panel reviewed the content, criterion, and construct validity, were compared with either functional assessment of cancer therapy - esophageal cancer (FACT-E) Swallowing Index Cut-Off Values or to questions adapted from the Patient Reported Outcomes for Common Terminology Criteria for Adverse Events. Sensitivity, specificity, and patient acceptability were assessed. RESULTS: In Phase 1 (n = 178 esophageal cancer patients), the screening question "How are you currently eating?" had the highest sensitivities and specificities against various Swallowing Index Cut-Off Value cut-offs, with the best optimal cutoff associated with weight loss (80% sensitivity and 75% specificity). In phase 2 (255 head and neck, gastro-esophageal, and thoracic cancer patients), a single question screener ("Do you experience any difficulty or pain upon swallowing?") versus a Patient Reported Outcomes for Common Terminology Criteria for Adverse Events-like gold standard generated sensitivities between 86% and 94% and specificities between 93% and 100%. This screening question (+/- follow-up questions) had a median completion time of under 2 minutes, and >90% of patients were willing to complete the survey electronically, did not feel that survey made clinic visit more difficult, and did not find the questions upsetting or distressful. CONCLUSION: Our results demonstrate that these screener tools ("How are you currently eating?", "Do you experience any difficulty or pain upon swallowing?") can effectively screen dysphagia symptoms without increasing cancer outpatient clinic burden, both in observational studies and for routine clinical monitoring.
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 | 0,217 | 0,303 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».