Geriatric assessment for older people with cancer: policy recommendations
Notice bibliographique
Résumé
Most cancers occur in older people and the burden in this age group is increasing. Over the past two decades the evidence on how best to treat this population has increased rapidly. However, implementation of new best practices has been slow and needs involvement of policymakers. This perspective paper explains why older people with cancer have different needs than the wider population. An overview is given of the recommended approach for older people with cancer and its benefits on clinical outcomes and cost-effectiveness. In older patients, the geriatric assessment (GA) is the gold standard to measure level of fitness and to determine treatment tolerability. The GA, with multiple domains of physical health, functional status, psychological health and socio-environmental factors, prevents initiation of inappropriate oncologic treatment and recommends geriatric interventions to optimize the patient's general health and thus resilience for receiving treatments. Multiple studies have proven its benefits such as reduced toxicity, better quality of life, better patient-centred communication and lower healthcare use. Although GA might require investment of time and resources, this is relatively small compared to the improved outcomes, possible cost-savings and compared to the large cost of oncologic treatments as a whole.
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 | 0,020 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,026 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,011 |
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 ».