The influence of patient-reported adverse events on Health Utility Score (HUS) and Health-Related Quality of Life (HRQoL) in small cell lung cancer (SCLC) and non-small cell lung cancer (NSCLC) patients.
Notice bibliographique
Résumé
185 Background: The Patient Reported Outcome version of Common-Terminology-Criteria-for-Adverse-Events (PRO-CTCAE) and Edmonton Symptom Assessment System (ESAS) are validated tools that measure toxicities and symptoms in cancer patients. We compared the extent in which the presence and severity of toxicities and symptoms affected HUS in SCLC and NSCLC patients. Methods: Adult SCLC and NSCLC patients were recruited from the Princess Margaret Cancer Centre and surveyed cross-sectionally for clinico-demographic variables, EQ5D-5L, PRO-CTCAE and ESAS. HUS were estimated using EQ5D-5L. PRO-CTCAE toxicities include diarrhea, constipation, decreased appetite, nausea, vomiting, fatigue, neuropathy and rash. ESAS symptoms include pain, tiredness, drowsiness, appetite loss, nausea, shortness of breath, depression, anxiety and lack of well-being. These were combined to show frequency and average severity of toxicities/symptoms per patient. Univariable and multivariable linear regression analyses identified toxicity/symptom influencing HUS. Results: Of 75 SCLC and 150 NSCLC, 52% were male with median age of 65 years. The mean HUS was 0.76 (SCLC = 0.69; NSCLC = 0.79; p = 0.001). Compared to NSCLC, SCLC patients had a significantly higher number of toxicities (3.14 versus 1.33 using PRO-CTCAE, p < 0.0001); symptoms (6.75 vs 5.45 using ESAS, p = 0.0003) and severity of toxicities/symptoms (PRO-CTCAE 0-4: 0.95 versus 0.35, p < 0.0001; ESAS 0-10: 3.37 versus 2.04. p < 0.0001). There were significant correlations between the average severity of toxicities/symptoms and HUS (p < 0.0001) adjusted for age, histology, smoking pack years and performance status. For each increase in the average severity of toxicities, there was a corresponding mean drop of 0.03 in the HUS; for every increase in the average severity of symptoms, the drop was 0.04. These relationships were similar for both SCLC and NSCLC patients. Conclusions: Patient reported toxicities and symptoms have a significant impact on HUS in both SCLC and NSCLC patients. Early and aggressive management of such adverse events may be necessary to improve patients’ HRQoL.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».