MétaCan
Menu
Retour à la cohorte
Enregistrement W2906312479 · doi:10.4103/ijpc.ijpc_12_18

Quality of Life and Neuropathic Pain in Hospitalized Cancer Patients: A Comparative Analysis of Patients in Palliative Care Wards Versus Those in General Wards.

2018· article· en· W2906312479 sur OpenAlexaboutno aff
Ulaş Sungur, Sibel Eyigör, İsmail Caramat

Notice bibliographique

RevuePubMed · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePalliative careNeuropathic painQuality of life (healthcare)Context (archaeology)Brief Pain InventoryCancer painHospital Anxiety and Depression ScaleAnxietyCancerDepression (economics)Physical therapyInternal medicineChronic painPsychiatryAnesthesiaNursing

Résumé

récupéré en direct d'OpenAlex

CONTEXT: While the survival of cancer patients is prolonged due to the development of new treatment strategies and advancing technologies, the prevalence of symptoms such as neuropathic pain affecting the quality of life is also increasing. AIMS: The aim of this study is to determine the relationship between neuropathic pain (NP) and quality of life in hospitalized cancer patients and to compare patients in general wards and those in palliative care wards in terms of NP and quality of life. SUBJECTS AND METHODS: A total of 156 patients, 53 cancer patients hospitalized in the palliative care unit and 103 cancer patients hospitalized in general wards, were included in the study. The Douleur Neuropathic 4 test was used for NP assessment, and the Edmonton Symptom Assessment System (ESAS), Hospital Anxiety and Depression Scale (HAD), Brief Fatigue Inventory (BFI), and Short Form of Brief Pain Inventory (SF-BPI) were used for assessing pain characteristics and their effects on quality of life. RESULTS: < 0.05). CONCLUSIONS: Since there was a homogeneous distribution among the groups in terms of both cancer treatment and pain management, we directly related the deterioration of the patients' quality of life to NP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,336
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPain Management and Opioid UseTravaux en français237 207