Systematic self-reporting of patients’ symptoms: improving oncologic care and patients’ satisfaction
Notice bibliographique
Résumé
Abstract Background: In recent years, there has been a growing interest to enhance patients’ symptom management during routine cancer care using patient-reported outcome measures. The goal of this study is to analyse patients’ responses to the Edmonton Symptom Assessment System (ESAS) to determine whether patient-reported outcomes could help characterise those patients with the highest supportive care needs and symptom burden in order to help provide targeted support for patients. Methods: In this study, we analysed ESAS questionnaire responses completed by patients as part of their routine care and considered part of patients’ standard of care. Statistical analyses were performed using the IBM SPSS Statistics version 26.0. Descriptive statistics are used to summarise patient demographics, disease characteristics and patient-reported symptom severity and prevalence. Results: The overall mean age is 65.2 ± 12.8 years comprising 43.8% male and 56.2% female patients. The five common primary disease sites are breast (26.2%), haematology (21.1%), gastrointestinal (15.3%), genitourinary (12.7%) and lung (12.0%) cancers. The mean severity for each symptom is all mild (score: 1–3). The three most common reported symptoms causing distress are tiredness, poor overall wellbeing and anxiety, and the least reported symptom is nausea. Conclusions: Systematic self-reporting of patients’ symptoms is important to improve symptom management, timely facilitation of appropriate intervention, patient experience, and patient and family satisfaction. The awareness of disease site, gender and age-related symptom variations should help in the design and provision of appropriate symptom-directed, tumour-specific and patient-focused interventions to meet patients’ immediate needs.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».