Quality improvements in palliative radiotherapy at end of life: The FutRE Study.
Notice bibliographique
Résumé
306 Background: Palliative radiation therapy (RT) is offered to patients with cancer for symptom management. RT planning and delivery is resource intensive. Benefits may take weeks to develop. Palliative RT at the end of life may not be completed due to patient and disease factors. RT courses that are not completed may indicate a need for improved patient selection for RT and choice of RT prescription, minimizing the likelihood of delivering futile treatment. Methods: The FUTile Radiotherapy at End of life survey was implemented in the electronic RT workspace across Alberta in 2018. Radiation oncologists (ROs) were tasked with survey completion, at the time of palliative RT prescription approval, as part of their workflow on domains pertaining to patient and treatment decision-making. This survey data was linked to the cancer registry and date of death. Data association were examined among patients completing RT within 90 days of death for the accuracy of oncologist’s provided survival prognostication estimates, number of RT fractions prescribed, number of RT fractions completed, prescribing physician, including disease factors and treatment intent. Results were explored using descriptive statistics and tests of associations (STATA 11.1) Results: 1963 RT surveys were included in our analysis. Prescribing ROs overestimated patient survival 67% of the time, by a mean of 145 days, and underestimated survival 12% of the time by a mean of 109 days. Multi-fraction RT (1403 courses) was more frequently prescribed over single fraction (SF) RT (560 courses)(one-sample t-test, p≤0.001). SF treatments were more likely to be completed than MF treatments (RR = 10.3, 95% CI = [4.85, 21.7], p < 0.0001). Treatments were less likely to be completed when survival was overestimated by 6 or more months and were over twice as likely to be completed than when patient survival was underestimated (RR = 2.6, 95% CI = [1.04, 6.50], p = 0.04). Conclusions: Survival among end of life patients is overestimated by ROs prescribing palliative MF RT treatments.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».