Notice bibliographique
Résumé
The aim of this chapter is to give an overview on pain management in patients treated in radiation oncology. This chapter addresses the diverse symptom complex of pain in patients suffering from advanced cancer, while these symptoms may or may not be clearly associated with radiotherapy. Pain is one of the most challenging and most important symptoms among cancer patients and poses a complex problem with many different components, e.g., emotional, physical, and social, and may cause considerable distress and suffering throughout the course of disease and the applied therapies. Radiotherapy may be utilized to relieve symptoms of pain; some patients have preexisting pain resulting from the advanced disease or from comorbidities. However, pain may also be an important side effect of different therapeutic approaches, also of radiotherapy. Therefore supportive strategies should be interdisciplinary and equally multimodal to address this complexity. This chapter focuses on proposing practical advice for optimizing pain management in radiation oncology based on actual guidelines and reviews (Leitlinienprogramm Onkologie (Deutsche Krebsgesellschaft, Deutsche Krebshilfe, AWMF): S3-Leitlinie Palliativmedizin für Patienten mit einer nicht heilbaren Krebserkrankung, Langversion 1.0, 2015, AWMF-Registernummer: 128/001OL, http://leitlinienprogramm-onkologie.de/Palliativmedizin.80.0.html, 2015; Deutsche Gesellschaft für Schmerzmedizin (DGS) PraxisLeitlinie Tumorschmerz V 2.0, https://dgschmerzmedizin.de/praxisleitlinien/Tumorschmerz.pdf, 2014; Sawhney et al., Guidelines on Management of Pain in Cancer and/or Palliative Care. Cancer Care Ontario, https://archive.cancercare.on.ca/common/pages/UserFile.aspx?fileId=384144, 2017; Fallon et al., Ann Oncol 29(4):iv149–iv174, 2018).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».