Patient-Reported Outcomes in Pediatric Patients With Cancer
Notice bibliographique
Résumé
Patient-reported outcomes (PROs) are reported directly by the patients about their own health. The objective of this article was to provide an overview of PROs in pediatric cancer, to describe how PROs can be incorporated into pediatric cancer clinical trials, and to discuss how PROs can guide symptom management treatment choices in pediatric oncology. Pediatric patient self-report provides a distinct voice in describing their experience compared with family caregiver or clinician report. Thus, every effort should be made to allow children to self-report symptoms, functioning, and other quality-of-life impacts and to use that data to inform treatment decision making. In addition to its incorporation into routine clinical care, it is also important to incorporate PROs into clinical trials to understand the patient experience of treatment toxicities and their impact on quality of life. Key considerations include clearly articulated PRO aims, selection of outcomes, choice of PRO measures, and frequency of PRO assessments. Once PROs are integrated into routine clinical care, it will be important to enable evidence-based symptom management. Strategies should be based on clinical practice guidelines (CPGs). Development and adaptation of care pathways on the basis of CPGs is one approach to standardize evidence-based symptom management at individual institutions. PROs are important to pediatric patients with cancer and their families. Self-report should be emphasized wherever possible. Approaches to enable PRO reporting into routine clinical care and enable preventative and therapeutic actions for symptom management are important. These efforts will optimize quality of life for pediatric 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».