Drivers of Emergency Department Use Among Oncology Patients in the Era of Novel Cancer Therapeutics: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Patients diagnosed with cancer are frequent users of the emergency department (ED). While many visits are unavoidable, a significant portion may be potentially preventable ED visits (PPEDs). Cancer treatments have greatly advanced, whereby patients may present with unique toxicities from targeted therapies and are often living longer with advanced disease. Prior work focused on patients undergoing cytotoxic chemotherapy, and often excluded those on supportive care alone. Other contributors to ED visits in oncology, such as patient-level variables, are less well-established. Finally, prior studies focused on ED diagnoses to describe trends and did not evaluate PPEDs. An updated systematic review was completed to focus on PPEDs, novel cancer therapies, and patient-level variables, including those on supportive care alone. METHODS: Three online databases were used. Included publications were in English, from 2012-2022, with sample sizes of ≥50, and reported predictors of ED presentation or ED diagnoses in oncology. RESULTS: 45 studies were included. Six studies highlighted PPEDs with variable definitions. Common reasons for ED visits included pain (66%) or chemotherapy toxicities (69.1%). PPEDs were most frequent amongst breast cancer patients (13.4%) or patients receiving cytotoxic chemotherapy (20%). Three manuscripts included immunotherapy agents, and only one focused on end-of-life patients. CONCLUSION: This updated systematic review highlights variability in oncology ED visits during the last decade. There is limited work on the concept of PPEDs, patient-level variables and patients on supportive care alone. Overall, pain and chemotherapy toxicities remain key drivers of ED visits in cancer patients. Further work is needed in this realm.
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 | 0,005 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».