Development of a QOL module for head and neck cancer patients with enteral feeding tubes
Notice bibliographique
Résumé
6153 Background: Head and neck cancer (HNC) patients frequently require enteral feeding (EF) during treatment, but how this affects quality of life (QOL) is unknown. We developed a QOL module for use with existing HNC disease-specific QOL questionnaires in patients with EF tubes. Methods: Literature review and a clinician focus group were used to generate QOL items. Items were formatted as statements rated on a 5 point Likert-type scale. The prototype was pilot tested in 12 HNC patients with current or recent EF tubes. The resulting beta version underwent item reduction in a non-overlapping sample of 36 HNC patients, who indicated the importance of each item. Items were kept if their summary importance scores were ranked above median by the whole group or by Chinese or female minority subgroups. Results: Items from the literature were provided to a focus group representing radiation oncology, interventional radiology, radiation therapy, nursing, and nutrition. Of 41 items generated, after pilot testing 15 were eliminated; 2 items identified by 2 or more patients, and 2 “positive” items suggested by investigators, were added. The item reduction study sample of 36 patients (mean age 57.5) included 20 Caucasian individuals, 9 Chinese, and 7 of other cultural background, with 12 females and 24 males. Cancer sites included nasopharynx (16), oropharynx (9), oral cavity (5), hypopharynx (2), unknown primary (2), larynx (1), and paranasal sinus (1). Overall, 17 items rated above median importance were kept. Among Chinese patients, 2 additional items were kept, and among women 1 additional item was kept. No additional write-in items were identified by 2 or more patients. Conclusions: We have developed a 20 item QOL module for HNC patients with EF tubes. The module is currently undergoing validity and reliability testing in a new sample of 75 patients with EF tubes. This instrument may be useful in trials comparing aggressive treatment strategies for HNC or different methods of EF. No significant financial relationships to disclose.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».