Evaluating Nurses' Time to Response by Severity and Cancer Stage in a Remote Symptom Monitoring Program for Patients With Breast Cancer
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.
Notice bibliographique
Résumé
PURPOSE: Remote symptom monitoring (RSM) using electronic patient-reported outcomes enables patients with cancer to communicate symptoms between in-person visits. A better understanding of key RSM implementation outcomes is crucial to optimize efficiency and guide implementation efforts. This analysis evaluated the association between the severity of patient-reported symptom alerts and time to response by the health care team. METHODS: This secondary analysis included women with stage I-IV breast cancer who received care at a large academic medical center in the Southeastern United States (October 2020-September 2022). Symptom surveys with at least one severe symptom alert were categorized as severe. Response time was categorized as optimal if the alert was closed by a health care team member within 48 hours. Odds ratios (ORs), predicted probabilities, and 95% CIs were estimated using a patient-nested logistic regression model. RESULTS: Of 178 patients with breast cancer included in this analysis, 63% of patients identified as White and 85% of patients had a stage I-III or early-stage cancer. The median age at diagnosis was 55 years (IQR, 42-65). Of 1,087 surveys included, 36% reported at least one severe symptom alert and 77% had an optimal response time by the health care team. When compared with surveys that had no severe symptom alerts, surveys with at least one severe symptom alert had similar odds of having an optimal response time (OR, 0.97; 95% CI, 0.68 to 1.38). The results were similar when stratified by cancer stage. CONCLUSION: Response times to symptom alerts were similar for alerts with at least one severe symptom compared with alerts with no severe symptoms. This suggests that alert management is being incorporated into routine workflows and not prioritized based on disease or symptom alert severity.
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 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 | 0,000 |
| 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 | 0,000 |
| 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 découle