Prevalence of dyspnoea and usage of opioids in managing dyspnoea in advanced cancer patients: a longitudinal observational multi-centre study from India
Notice bibliographique
Résumé
Context: Breathlessness is one of the devastating symptoms experienced by patients with advanced cancer and can be very challenging to manage. Objectives: To find the point prevalence of dyspnoea in advanced cancer patients presenting to palliative care out-patient clinics, and the usage of opioids in palliation of dyspnoea. Methods: We conducted a prospective observational study among all consecutive patients presenting to the outpatient clinics of six cancer centres in India from different parts of the country. In addition to routinely documented demographic and clinical data from patient charts, study investigators collected information on the Edmonton Symptom Assessment System, Cancer Dyspnoea Scale (CDS) and European Organization for Research and Treatment of Cancer Quality-of-Life Questionnaire Core 15 Palliative Care. We calculated the prevalence of dyspnoea and documented the usage of opioids in palliation of dyspnoea using tests of differences across patient characteristics. Results: Between May 1, 2019, and April 30, 2020, 5,541 patients were screened for eligibility, and 288 were enrolled (48 patients from each of the six centres). We analysed the data of 288 patients, of which 36.4% had dyspnoea, with 28.5% with moderate to a severe degree (>4/10). Tiredness and loss of appetite were found to have associations with dyspnoea which were statistically significant on multivariate analysis. Standard palliative care management and routine usage of opioids preceded improvement in dyspnoea scores, CDS scores and quality of life scores throughout 7 days. Conclusion: Dyspnoea is a common symptom in advanced cancer patients, presenting to outpatient clinics, and routine documentation of dyspnoea with appropriate usage of opioids helps in mitigation. Key message: The article suggests that breathlessness is a common problem in advanced cancer patients and opioid prescription preceded symptom improvements in such patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».