Geriatric assessment and treatment decision-making in surgical oncology
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Present an approach for surgical decision-making in cancer that incorporates geriatric assessment by building upon the common categories of tumor, technical, and patient factors to enable dual assessment of disease and geriatric factors. RECENT FINDINGS: Conventional preoperative assessment is insufficient for older adults missing important modifiable deficits, and inaccurately estimating treatment intolerance, complications, functional impairment and disability, and death. Including geriatric-focused assessment into routine perioperative care facilitates improved communications between clinicians and patients and among interdisciplinary teams. In addition, it facilitates the detection of geriatric-specific deficits that are amenable to treatment. We propose a framework for embedding geriatric assessment into surgical oncology practice to allow more accurate risk stratification, identify and manage geriatric deficits, support decision-making, and plan proactively for both cancer-directed and non-cancer-directed therapies. This patient-centered approach can reduce adverse outcomes such as functional decline, delirium, prolonged hospitalization, discharge to long-term care, immediate postoperative complications, and death. SUMMARY: Geriatric assessment and management has substantial benefits over conventional preoperative assessment alone. This article highlights these advantages and outlines a feasible strategy to incorporate both disease-based and geriatric-specific assessment and treatment when caring for older surgical patients with cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».