MétaCan
Menu
Retour à la cohorte
Enregistrement W3195633341 · doi:10.1097/nnr.0000000000000549

Latent Class Analysis of Symptom Burden Among Seriously Ill Adults at the End of Life

2021· article· en· W3195633341 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueNursing Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Nursing ResearchNational Institute on Aging
Mots-clésLatent class modelMedicineQuality of life (healthcare)Palliative careAnxietyDepression (economics)Psychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Serious illness is characterized by high symptom burden that negatively affects quality of life (QOL). Although palliative care research has highlighted symptom burden in seriously ill adults with cancer, symptom burden among those with noncancer serious illness and multiple chronic conditions has been understudied. Latent class analysis is a statistical method that can be used to better understand the relationship between severity of symptom burden and covariates, such as the presence of multiple chronic conditions. Although latent class analysis has been used to highlight subgroups of seriously ill adults with cancer based on symptom clusters, none have incorporated multiple chronic conditions. OBJECTIVES: The objectives of this study were to (a) describe the demographic and baseline characteristics of seriously ill adults at the end of life in a palliative care cohort, (b) identify latent subgroups of seriously ill individuals based on severity of symptom burden, and (c) examine variables associated with latent subgroup membership, such as QOL, functional status, and the presence of multiple chronic conditions. METHODS: A secondary data analysis of a palliative care clinical trial was conducted. The latent class analysis was based on the Edmonton Symptom Assessment System, which measures nine symptoms on a scale of 0-10 (e.g., pain, fatigue, nausea, depression, anxiousness, drowsiness, appetite, well-being, and shortness of breath). Clinically significant cut-points for symptom severity were used to categorize each symptom item in addition to a categorized total score. RESULTS: Three latent subgroups were identified (e.g., low, moderate, and high symptom burden). Lower overall QOL was associated with membership in the moderate and high symptom burden subgroups. Multiple chronic conditions were associated with statistically significant membership in the high symptom burden latent subgroup. Older adults between 65 and 74 years had a lower likelihood of moderate or high symptom burden subgroup membership compared to the low symptom burden class. DISCUSSION: Lower QOL was associated with high symptom burden. Multiple chronic conditions were associated with high symptom burden, which underlines the clinical complexity of serious illness. Palliative care at the end of life for seriously ill adults with high symptom burden must account for the presence of multiple chronic conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,080
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,142
Tête enseignante GPT0,467
Écart entre enseignants0,325 · 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