Do Physicians Underestimate Pain in Terminal Cancer Patients? A Prospective Study in a Hospice Setting
Notice bibliographique
Résumé
OBJECTIVES: Unrelieved pain is present in a majority of terminal cancer patients. However, the treatment of pain in palliative and hospice care is affected by the lack of validated pain assessment. The goal of this study was to evaluate differences in pain evaluation between terminal cancer patients and physicians and evaluate the pain levels as a survival biomarker. MATERIALS AND METHODS: Patients were evaluated every 7 days for a total of 4 assessments. Physicians evaluated patients' pain on an numeric rating scale (NRS) scale after clinical examination, after which the patients completed NRS, Quality of Life Questionnaire Core 15 Pal (QLQ-C15-PAL), and Edmonton Symptom Assessment System (ESAS) questionnaires. RESULTS: On average, physicians minimally underestimated the pain level in patients (3.47 vs. 3.94 on an NRS scale). Pain was overestimated in 28% and underestimated in 46% of the patients. However, half of all underestimation was clinically meaningful, compared with 28% of the overestimation. For patients with an NRS score of ≥7, pain underestimation was both clinically and statistically significant (5.56 vs. 8.17). Pain ratings exhibited a very small correlation to survival (up to r=-0.22), limiting their use as a survival biomarker. DISCUSSION: Although physicians can accurately assess mild pain in terminal cancer patients in the hospice setting, the underestimation of pain is still clinically significant in almost a quarter of patients, and especially pronounced in patients with higher levels of pain and in female patients. Hence, validated pain assessment is a necessity in hospice care, with the choice of pain evaluation tool dependent on patient and physician preference.
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 | 0,011 | 0,004 |
| 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 ».