Does the risk of emergency department visits and hospitalizations during systemic therapy for cancer influence patient decisions regarding treatment?
Notice bibliographique
Résumé
213 Background: When different treatments (tx) produce similar prognostic outcomes, other tx attributes such as toxicity may impact tx preferences. We conducted a discrete choice experiment to evaluate how patients’ value the risk of an emergency department visit (ED) or hospitalization during treatment when deciding about chemotherapy. Methods: Patients with breast, head and neck or colorectal cancer who were contemplating, receiving or had previously received systemic treatment were recruited from 2 academic cancer centres in Toronto, Ontario. Each participant completed 10 choice tasks (5 each in the adjuvant and metastatic settings, respectively) from a possible 128 combinations. Each choice task prompted them to choose between two hypothetical systemic therapies, based on 3 attributes (likelihood of benefit, risk of requiring an ED visit and risk of hospitalization during treatment) that varied across 4 levels. Data was analyzed using a multinomial logit model and individual part-worth utility (PWU) values were estimated using hierarchal Bayes routines. Results: Between 06/2015 and 09/2017, 293 patients completed the survey. Most patients were female (76%), had a diagnosis of breast cancer (63%) and were currently receiving systemic therapy (72%). 59% of patients were receiving tx with curative intent. PWU values varied as expected with higher PWUs seen for higher treatment benefit, lower risk of ED visits and lower risk of hospitalization. Treatment benefit was the most important decision attribute in both the adjuvant (59%, 95%CI 57.8-60.1%) and metastatic (67.7%, 95%CI 66.8-68.7%) scenarios, followed by risk of hospitalization (18.8 vs 22.8%) then risk of ED visits (13.5 vs 18.3%). Results were the same when stratified by patient’s own treatment intent. Conclusions: While the risks of hospitalization and ED visits contribute to patient tx preferences, the extent of tx benefit was the most important attribute regardless of treatment intent.
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 | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».