Trajectories of Suffering in the Last Year of Life Among Patients With a Solid Metastatic Cancer
Notice bibliographique
Résumé
BACKGROUND: Reducing suffering at the end of life is important. Doing so requires a comprehensive understanding of the course of suffering for patients with cancer during their last year of life. This study describes trajectories of psychological, spiritual, physical, and functional suffering in the last year of life among patients with a solid metastatic cancer. PATIENTS AND METHODS: We conducted a prospective cohort study of 600 patients with a solid metastatic cancer between July 2016 and December 2019 in Singapore. We assessed patients' psychological, spiritual, physical, and functional suffering every 3 months until death. Data from the last year of life of 345 decedents were analyzed. We used group-based multitrajectory modeling to delineate trajectories of suffering during the last year of a patient's life. RESULTS: We identified 5 trajectories representing suffering: (1) persistently low (47% of the sample); (2) slowly increasing (14%); (3) predominantly spiritual (21%); (4) rapidly increasing (12%); and (5) persistently high (6%). Compared with patients with primary or less education, those with secondary (high school) (odds ratio [OR], 3.49; 95% CI, 1.05-11.59) education were more likely to have rapidly increasing versus persistently low suffering. In multivariable models adjusting for potential confounders, compared with patients with persistently low suffering, those with rapidly increasing suffering had more hospital admissions (β=0.24; 95% CI, 0.00-0.47) and hospital days (β=0.40; 95% CI, 0.04-0.75) during the last year of life. Those with persistently high suffering had more hospital days (β=0.70; 95% CI, 0.23-1.17). CONCLUSIONS: The course of suffering during the last year of life among patients with cancer is variable and related to patients' hospitalizations. Understanding this variation can facilitate clinical decisions to minimize suffering and reduce healthcare costs at the end of life.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».