Appropriateness of the 30-day expected mortality metric in palliative radiation treatment: a narrative review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: The 30-day expected mortality rate is frequently used as a metric to determine which patients benefit from palliative radiation treatment (RT). We conducted a narrative review to examine whether its use as a metric might be appropriate for patient selection. METHODS: A literature review was conducted to identify relevant studies that highlight the benefits of palliative RT in timely symptom management among patients with a poor performance status, the accuracy of predicting survival near the end of life and ways to speed up the process of RT administration through rapid response clinics. KEY CONTENT AND FINDINGS: Several trials have demonstrated substantial response rates for pain and/or bleeding by four weeks and sometimes within the first two weeks after RT. Models of patient survival have limited accuracy, particularly for predicting whether patients will die within the next 30 days. Dedicated Rapid Access Palliative RT (RAPRT) clinics, in which patients are assessed, simulated and treated on the same day, reduce the number of patient visits to the radiation oncology department and hence the burden on the patient as well as costs. CONCLUSIONS: Single-fraction palliative RT should be offered to eligible patients if they are able to attend treatment and could potentially benefit from symptom palliation, irrespective of predicted life expectancy. We discourage the routine use of the 30-day mortality as the only metric to decide whether to offer RT. More common implementation of RAPRT clinics could result in a significant benefit for patients of all life expectancies, but particularly those having short ones.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».