Symptom burden at the end of life for neuroendocrine tumors: A population-based analysis of patient-reported outcomes.
Notice bibliographique
Résumé
297 Background: How to best support neuroendocrine tumor (NET) patients remains unclear. While the peri-diagnostic period has been investigated, there is no data regarding symptoms at the end of life, when suboptimal symptom control may be particularly burdensome. This study examined symptom trajectories and factors associated with high symptom burden in NET at the end of life. Methods: We conducted a population-based retrospective cohort study of NET diagnosed from 2004-2015, who died between 2007-2016. Prospectively collected patient-reported Edmonton Symptom Assessment System scores were linked to provincial administrative datasets. Moderate-to-severe symptom scores in the 6 months prior to death were presented by 2-week intervals. Multivariable Poisson regression identified factors associated with moderate-to-severe symptoms scores. Results: Among 677 decedents, 2,579 symptom assessments prior to death were analyzed. Overall, moderate-to-severe scores were most commonly reported for tiredness (86%), wellbeing (81%), lack of appetite (75%), and drowsiness (68%) at any time. This proportion changed over time, progressively increasing closer to death: 56.8% to 83.9% tiredness, 50.5% to 73.1% wellbeing, 40.9% to 80.6% lack of appetite, and 41.5% to 68.8% drowsiness. The increase was steeper in the 8 weeks before death for lack of appetite, drowsiness, and shortness of breath. On multivariate analyses, the risk of moderate-to-severe symptoms was significantly higher in the last 2 months prior to death and with shorter survival from diagnosis (< 6 months). Women reported a higher burden of anxiety, nausea, and pain than men. There was no association between symptom burden and age or primary tumor site. Conclusions: NET patients suffer a high symptom burden at the end of life, not previously described. The proportion of moderate-to-severe symptoms increases steeply as death nears, highlighting an opportunity for improved management. Combined with identified factors associated with moderate-to-severe symptom, this information is important to improve patient-centred and personalized supportive care for NET at the end of life.
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 | 0,001 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».