Health‐related quality‐of‐life assessment of patients with solid tumors on immuno‐oncology therapies
Notice bibliographique
Résumé
Immuno-oncology therapies have been approved for various solid tumors; however, the high cost of these treatments and their potential toxicities require a thorough assessment of their risks and benefits. Collection of data directly from patients through patient-reported outcome instruments can improve the precision and reliability of adverse event detection, assess tolerability of adverse events, and provide an evaluation of health-related quality of life (HRQOL) changes from immuno-oncology therapies. There is robust development in HRQOL tools specifically for patients treated with immuno-oncology agents. This review examines the history and basic concepts of HRQOL and patient-reported outcome assessments commonly used in oncological trials, highlighting the strengths and weaknesses of current approaches when applied to immunotherapies, as well as some of the current efforts to develop tools for this field and opportunities for future research. LAY SUMMARY: Immuno-oncology (IO) therapies are costly and carry potential toxicities known as immune-related adverse events. Evaluation of health-related quality of life (HRQOL) can impact the risk-benefit assessment of IO therapies. Integration of HRQOL end points and patient-reported outcome data for IO therapies are urgently needed. Ongoing robust development of patient-reported outcome tools specific to IO therapies are currently underway and will permit the evaluation of HRQOL for IO agents. Improvement in precision and reliability of HRQOL evaluation will enhance the ultimate true value of these expensive and effective drugs.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 | 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 ».