Landscape of Health-Related Quality of Life in Patients With Early-Stage Pancreatic Cancer Receiving Adjuvant or Neoadjuvant Chemotherapy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Pancreatic resection is associated with postoperative morbidity and reduced quality of life (QoL). A systematic literature review was conducted to understand the patient-reported outcome measure (PROM) landscape in early-stage pancreatic cancer (PC). METHODS: Databases/registries (through January 24, 2019) and conference abstracts (2014-2017) were searched. Study quality was assessed using the Newcastle-Ottawa Scale/Cochrane risk-of-bias tool. Searches were for general (resectable PC, adjuvant/neoadjuvant, QoL) and supplemental studies (resectable PC, European Organisation for Research and Treatment of Cancer QoL Questionnaire [QLQ] - Pancreatic Cancer [PAN26]). RESULTS: Of 750 studies identified, 39 (general, 22; supplemental, 17) were eligible: 32 used QLQ Core 30 (C30) and/or QLQ-PAN26, and 15 used other PROMs. Baseline QLQ-C30 global health status/QoL scores in early-stage PC were similar to all-stage PC reference values but lower than all-stage-all-cancer values. The QoL declined after surgery, recovered to baseline in 3 to 6 months, and then generally stabilized. A minimally important difference (MID) of 10 was commonly used for QLQ-C30 but was not established for QLQ-PAN26. CONCLUSIONS: In early-stage PC, QLQ-C30 and QLQ-PAN26 are the most commonly used PROMs. Baseline QLQ-C30 global health status/QoL scores suggested a high humanistic burden. Immediately after surgery, QoL declined but seemed stable over the longer term. The QLQ-C30 MID may elucidate the clinical impact of treatment on QoL; MID for QLQ-PAN26 needs to be established.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 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 | 0,001 |
| 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 découle