Characteristics of Breakthrough Pain and Its Impact on Quality of Life in Terminally Ill Cancer Patients
Notice bibliographique
Résumé
Purpose. This study aimed to characterize breakthrough pain (BTP) and investigate its impact on quality-of-life (QoL) in terminally-ill cancer patients. Similarities and differences between high and low predictable BTP were also tested. Methods. Secondary analysis of a multicenter longitudinal observational study included 92 patients at their end-of-life. BTP was assessed with a short form of the Italian version of the Alberta Breakthrough Pain Assessment Tool. QoL was assessed with the Palliative Outcome Scale (0-40). Patients were stratified by self-reported BTP predictability into unpredictable BTP (never or rarely able to predict BTP) and predictable BTP (sometimes to always able to predict BTP). Results. In all, 665 BTP episodes were recorded (median 0.86 episodes/day). A median duration of 30 minutes and a median peak intensity score of 7 out of 10 were reported. Time to peak was <10 minutes, 10 to 30 minutes, and ≥30 minutes in 267 (41.1%), 259 (39.9%), and 30 (4.6%) of the episodes, respectively. Onset of relief occurred after a median of 30 minutes. Time to peak ( P < .001) and duration ( P = .046) of BTP was shorter in patients with predictable pain ( n = 31), who usually were younger than those with unpredictable pain ( P = .03). The mean (SD) QoL score was 14.6 (4.6). No difference in QoL between patients with predictable and unpredictable BTP was found ( P = .49). Conclusions. In terminally-ill cancer patients, BTP is a severe problem with a negative impact on QoL and has different characteristics according to its predictability.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».