Personalized Pain Goals and Responses in Advanced Cancer Patients
Notice bibliographique
Résumé
OBJECTIVE: To assess the personalized pain intensity goal (PPIG), the achievement of a personalized pain goal response (PPGR), and patients' global impression (PGI) in advanced cancer patients after a comprehensive pain and symptom management. DESIGN: Prospective, longitudinal. SETTING: Acute pain relief and palliative/supportive care. SUBJECTS: 689 advanced cancer patients. METHODS: Measurement of Edmonton Symptom Assessment Score (ESAS) and personalized pain intensity goal (PPIG) at admission (T0). After a week (T7) personalized pain goal response (PPGR) and patients' global impression (PGI) were evaluated. RESULTS: The mean PPIG was 1.33 (SD 1.59). A mean decrease in pain intensity of - 2.09 was required on PPIG to perceive a minimal clinically important difference (MCID). A better improvement corresponded to a mean change of - 3.41 points, while a much better improvement corresponded to a mean of - 4.59 points. Patients perceived a MCID (little worse) with a mean increase in pain intensity of 0.25, and a worse with a mean increase of 2.33 points. Higher pain intensity at T0 and lower pain intensity at T7 were independently related to PGI. 207 (30.0%) patients achieved PPGR. PPGR was associated with higher PPIG at T0 and T7, and inversely associated to pain intensity at T0 and T7, and Karnofsky level. Patients with high pain intensity at T0 achieved a favorable PGI, even when PPIG was not achieved by PPGR. CONCLUSION: PPIG, PPGR and PGI seem to be relevant for evaluating the effects of a comprehensive management of pain, assisting decision-making process according to patients' expectations. Some factors may be implicated in determining the individual target and the clinical response.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».