Brief Report: Medical Assistance in Dying in Patients With Lung Cancer
Notice bibliographique
Résumé
INTRODUCTION: Medical assistance in dying (MAiD) was legalized in Canada in 2016. Cancer accounts for 60% to 65% of MAiD cases. Lung cancer, the most common cause of cancer death, is expected to makeup a large number of MAiD cases. Lung cancer treatment has advanced in recent years; however, involvement of oncology specialists and use of systemic therapy in patients who receive MAiD are unknown. METHODS: All patients with lung cancer referred to the Champlain Regional MAiD Program from June 17, 2016, to November 30, 2020, were reviewed. Baseline demographics, diagnostic, referral, and treatment details were collected by retrospective review. Coprimary end points were the proportion of patients who met a medical oncologist or who received systemic therapy. RESULTS: During the study period, 255 patients with cancer underwent MAiD. Of these, 45 (17.6%) had lung cancer, comprising our final study population. Baseline characteristics: median age 72 years, 64% female, 85% former or current smoking history, 82% non-small cell, 4% small cell, and 13% clinical diagnosis without biopsy. Most patients (78%) were seen by a medical oncologist, though only 16 (36%) received systemic therapy for advanced disease. In subpopulations of interest, 45% of patients with programmed death-ligand 1 greater than or equal to 50% received immunotherapy and 75% with an oncogenic driver mutation received targeted therapy. There were 26 patients (58%) who had a documented discussion with their oncologist regarding the transition to best supportive care. CONCLUSIONS: Most patients with lung cancer are assessed by an oncology specialist before MAiD, though less than half received systemic therapy. Among patients with more treatable forms of lung cancer, many patients still undergo MAiD without accessing, or in some cases being assessed for, these treatment options.
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 | 0,014 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».