MétaCan
Menu
Retour à la cohorte
Enregistrement W2971527563 · doi:10.1001/jamasurg.2019.3348

Population-Level Symptom Assessment Following Pancreaticoduodenectomy for Adenocarcinoma

2019· article· en· W2971527563 sur OpenAlexafffundabout
Stephanie Tung, Laura Davis, Julie Hallet, Michail N. Mavros, Alyson Mahar, Lev D. Bubis, Ahmed Hammad, Haoyu Zhao, Craig C. Earle, Lisa Barbera, Natalie G. Coburn, Mina Siqqidui, Qing Li, Maryam Elmi, Elizabeth Shin, Eugene Hsieh, N. Goyert

Notice bibliographique

RevueJAMA Surgery · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic and Hepatic Oncology Research
Établissements canadiensUniversity of ManitobaInstitute for Clinical Evaluative SciencesSunnybrook Health Science CentreHealth Sciences CentreUniversity of Toronto
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésMedicinePancreaticoduodenectomyGeneral surgeryAdenocarcinomaPopulationInternal medicineCancerEnvironmental healthPancreas

Résumé

récupéré en direct d'OpenAlex

Importance: Postoperative morbidity associated with pancreaticoduodenectomy (PD) for pancreatic adenocarcinoma (PA) remains as high as 70%. However, to our knowledge, few studies have examined quality of life in this patient population. Objective: To identify symptom burden and trajectories and factors associated with high symptom burden following PD for PA. Design, Setting, and Participants: This population-based cohort study of patients undergoing PD for PA diagnosed between 2009 and 2015 linked population-level administrative health care data to routinely prospectively collected Edmonton Symptom Assessment System (ESAS) scores from 2009 to 2015, with a data analysis undertaken in 2018. Exposures: Baseline characteristics, including age, sex, income quintile, rurality, immigration status, and comorbidity burden, as well as treatment characteristics, including year of surgery and receipt of chemotherapy. Main Outcome and Measures: The outcome of interest was moderate to severe symptoms (defined as ESAS ≥4) for anxiety, depression, drowsiness, lack of appetite, nausea, pain, shortness of breath, tiredness, and impaired well-being. The monthly prevalence of moderate to severe symptoms was presented graphically for each symptom. Multivariable regression models identified factors associated with the reporting of moderate to severe symptoms. Results: We analyzed 6058 individual symptom assessments among 615 patients with PA who underwent resection (285 women [46.3%]) with ESAS data. Tiredness (443 [72%]), impaired well-being (418 [68%]), and lack of appetite (400 [65%]) were most commonly reported as moderate to severe. The proportion of patients with moderate to severe symptoms was highest immediately after surgery (range, 14%-66% per symptom) and decreased over time, stabilizing around 3 months (range, 8%-42% per symptom). Female sex, higher comorbidity, and lower income were associated with a higher risk of reporting moderate to severe symptoms. Receipt of adjuvant chemotherapy was not associated with the risk of moderate to severe symptoms. Conclusions and Relevance: There is a high prevalence of symptoms following PD for PA, with improvement over the first 3 months following surgery. In what to our knowledge is the largest cohort reporting on symptom burden for this population, we have identified factors associated with symptom severity. These findings will aid in managing patients' perioperative expectations and designing strategies to improve targeted symptom management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,360
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), 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

Citations45
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA SurgeryMême sujetPancreatic and Hepatic Oncology ResearchTravaux en français237 207