MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281780509 · doi:10.1200/jco.2022.40.16_suppl.10019

Identifying trends for high symptom burden across the care continuum in adolescents and young adults (AYA) with hematologic malignancies.

2022· article· en· W4281780509 sur OpenAlexaboutno aff
Sarah Monick, Collin Hanson, Amy Yuan Wang, Sang Mee Lee, Karen Sarah Hoehn, Fay J. Hlubocky, Wendy Stock, Adam DuVall, Jennifer L. McNeer, Tara O. Henderson, Christopher K. Daugherty

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychosocialSurvivorship curveQuality of life (healthcare)Young adultCancerGerontologyFamily medicineInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

10019 Background: Cancer in adolescence and young adulthood is a non-normative life event associated with profound long-term physical and psychosocial consequences. Prior studies specifically demonstrate AYA patients with hematologic malignancies experience high symptom burden with poor quality of life. Here, we describe trends and factors associated with high symptom burden in patients treated at a multi-disciplinary AYA leukemia clinic at an academic medical center. Methods: The Edmonton Symptom Assessment Scale [ESAS] (measuring physical symptoms) and Brief Symptom Inventory-18 [BSI-18] (measuring psychological distress) were administered at baseline, 3 months, and 6 months from initial survey. Baseline demographic and treatment characteristics were collected. All patients had leukemia or lymphoma, were on treatment or in survivorship, and had access to a palliative care provider who was integrated into the clinic. Data was analyzed using Wilcox ranked sum test and linear mixed-effects model testing. Results: Of the 31 patients (median age 29 years, range 18-43) who completed surveys, 25 (80%) completed surveys at 6 months; 48% were female, 58% were white, 16% lived alone, 28% were single, 37% had children, 54% completed college, and 35% had an annual household income ≥ $75,000. Phases of care included 52% on intensive frontline/salvage treatment, 19% in maintenance (i.e. lower intensity) therapy, 16% as recent stem cell transplant (SCT) recipients (< 1 year since date of transplant), and 13% in survivorship. Overall, ESAS scores among patients were similar regardless of care phases; however, patients on frontline/salvage therapy reported higher fatigue than those in maintenance (p = 0.01). Moderate-severe symptoms (defined as ESAS > 3), including tiredness, anxiety, poor appetite, and poor feeling of well-being, were reported regardless of phase of care. At 6 months, there was no significant change in BSI-18 scores compared to baseline, while tiredness (p = 0.02), depression (p = 0.01), and constipation (p = 0.02) improved; no ESAS scores worsened. Age ≥ 30 was associated with worsening anxiety (p = 0.01) at 6 months vs baseline, while no statistically significant differences in ESAS scores were observed among race, education, relationship status, presence of children, living arrangement, or income. Conclusions: AYA patients with hematologic malignancies experience high symptom burden independent of demographic characteristics or phase of care. These findings highlight the need for standard symptom screening at each visit and the importance of incorporating supportive care throughout the continuum.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,072
Tête enseignante GPT0,441
Écart entre enseignants0,369 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetChildhood Cancer Survivors' Quality of Life→Travaux en français237 207→