Comparing the M.D. Anderson Symptom and Dysphagia Inventories for Head and Neck Cancer Patients
Notice bibliographique
Résumé
OBJECTIVES: Where patient-reported outcome measures (PROMs) may be administered at multiple patient visits, it is advantageous to capture these symptoms with as few questions as possible. In this study, the M.D. Anderson Head and Neck Symptom Inventory (MDASI-HN), and the M.D. Anderson Dysphagia Inventory (MDADI) is compared to determine if using the MDASI-HN alone would overlook symptoms identified with MDADI. METHODS: The MDASI-HN and the MDADI were completed by 156 patients, postradiotherapy for head and neck cancer (HNC). Associations between the two instruments were analyzed using correlation analysis, unsupervised machine learning, and sensitivity analysis. RESULTS: Little correlation was found between the two surveys; however, there was overlap between MDASI-HN dry mouth and many MDADI items, confirming that dry mouth is an important factor in difficulty swallowing, and patient QoL. Taking longer to eat (MDADI), was the most commonly reported item overall, with 85 (54%) patients rating it as moderate-severe. Dry mouth was the most endorsed MDASI-HN item (68, 44%). There were 51 patients missed by the MDASI-HN, reporting no moderate-severe symptoms, but reported one or more moderate-severe QoL impacts on MDADI. If patients who reported a score of 2 or higher on the MDASI-HN Dry Mouth item are flagged as requiring follow-up, the number of patients missed by MDASI-HN drops to 15. CONCLUSION: In an HNC clinic where MDASI-HN is routinely administered, assessment of symptoms and QoL might be enhanced by reducing the value at which MDASI Dry Mouth is considered moderate-severe to 2. LEVEL OF EVIDENCE: 3 Laryngoscope, 132:2388-2395, 2022.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».