MétaCan
Menu
Retour à la cohorte
Enregistrement W4224230800 · doi:10.1016/j.jpainsymman.2022.04.172

Distinguishing symptom patterns in adults newly diagnosed with cancer: a latent class analysis

2022· article· en· W4224230800 sur OpenAlexafffundabout
Sara Wallström, Jason M. Sutherland, Jacek A. Kopec, Aslam H. Anis, Richard Sawatzky

Notice bibliographique

RevueJournal of Pain and Symptom Management · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensTrinity Western UniversityArthritis Research Centre of CanadaResearch CanadaWestern UniversityCentre for Advancing Health OutcomesUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchCentrum fÖr Personcentrerad VårdVetenskapsrådetGöteborgs UniversitetCanada Research Chairs
Mots-clésMedicineLatent class modelClass (philosophy)CancerInternal medicineStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Socio-demographic differences, including place of residence, socio-economic status, ethnicity, and gender, have been associated with various inequities in cancer care outcomes. OBJECTIVES: The aims were to distinguish subgroups of patients with different symptom patterns at the time of the initial oncology visit and determine which clinical and socio-demographic variables are associated the different symptom patterns. METHOD: Responses to the Edmonton Symptom Assessment Scale- revised and clinical and socio-demographic variables were obtained via the Ontario Cancer Registry and linked health data files. Latent class analyses were conducted to identify and compare the subgroups. RESULTS: The cohort (n = 216,110) with a mean age of 64.5 years consisted of 54.1% women. The analyses identified six latent classes (proportions ranging from 0.09 to 0.31) with distinct symptom patterns, including: 1) many severe symptoms, 2) many less severe symptoms, 3) predominantly mild symptoms, 4) severe psychosocial symptoms, 5) severe somatic symptoms, 6) few symptoms. The subgroups were associated not only with clinical differences (diagnoses and functional status), but also with various socio-demographic (age, sex) and community characteristics (neighborhood income, proportion of foreign born, rurality). CONCLUSION: The results indicated that there were substantial differences in symptom patterns at the time of the initial oncology visit, which were associated with both clinical diagnoses and socio-demographic differences. These results point to the importance of taking the social situation of patients into account, and not just diagnosis, to better understand differences in symptom patterns of people living with cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,234 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Pain and Symptom ManagementMême sujetCancer survivorship and careTravaux en français237 207