MétaCan
Menu
Retour à la cohorte
Enregistrement W4298139337 · doi:10.1200/jco.2022.40.28_suppl.270

Trajectory of symptoms reported in remote symptom monitoring over the course of oncology treatment for gynecologic cancers.

2022· article· en· W4298139337 sur OpenAlex
Chelsea McGowen, Nicole E. Caston, Sheila McElhany, Bryanna Diaz, Carrie C. McNair, Jeffrey Franks, Courtney Andrews, Chao‐Hui Huang, J. Nicholas Dionne‐Odom, Bryan J. Weiner, Bradford E. Jackson, Ethan Basch, Angela M. Stover, Doris Howell, Gabrielle B. Rocque, Jennifer Young Pierce

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Behavioral Studies
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicineInterquartile rangeGynecologic oncologyCancerInternal medicineGynecologic cancerStage (stratigraphy)Physical therapyOvarian cancer

Résumé

récupéré en direct d'OpenAlex

270 Background: Patients now have the ability to utilize electronic patient reported outcomes (ePROs) for remote symptom monitoring (RSM). This analysis seeks to better understand trajectory of reported symptoms during treatment for patients with gynecologic cancer participating in RSM. Methods: We approached patients with gynecological cancer initiating treatment at the Mitchell Cancer Institute (MCI) between 7/1/21-4/30/2022. Patients were eligible if they were starting chemotherapy, targeted therapy, or immunotherapy for a new cancer. Patients seeking a second opinion were excluded. Enrolled patients received symptom survey (PRO-CTCAE questions) via text or email once per week. Initially, only severe alerts were forwarded to the clinical care team; moderate alerts were forwarded to clinical teams once they were comfortable with alert management. Patients completed symptom assessments for 24 weeks or until withdrawal. Patient age at enrollment, race, sex, cancer type, cancer stage, and PROs were abstracted from electronic health records and the PRO platform (Carevive). Descriptive statistics were calculated using frequencies and percentages for categorical variables and median and interquartile ranges (IQR) for continuous variables. Results: A total of 60 female patients with gynecological cancer were enrolled; 33% were Black or African American and 67% were White; median age was 61 years (IQR 53-68). Seventy-eight percent (47/60) of patients reported 379 symptoms with at least one moderate or severe alert during this time period; 32% considered moderate and 68% considered severe. Overall, the most frequently reported symptom was pain (29%). At baseline (week 0), 14% and 41% of 56 patients reported moderate symptoms and severe symptoms, respectively. Symptom burden decreased over time with 4% and 7% of 27 patients who completed a survey at 12 weeks reporting moderate and severe symptoms. Specific symptom trajectories followed similar patterns. Conclusions: In our sample, patients reported the majority of symptoms during the first three months of treatment. Symptom trajectory decreased with time, suggesting symptoms are being effectively monitored and addressed by the clinical teams engaging in RSM. Future research is needed to understand if symptom improvement translates to increased quality of life, decreased hospitalizations, and increased survival for patients, as well as lessen the burden of call volume on the clinical team.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,295
Tête enseignante GPT0,549
Écart entre enseignants0,253 · 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