MétaCan
Menu
Retour à la cohorte
Enregistrement W4388928586 · doi:10.1097/cr9.0000000000000051

A Preliminary Validation of an Optimal Cutpoint in Total Number of Patient-Reported Symptoms in Head and Neck Cancer for Effective Alignment of Clinical Resources With Patients’ Symptom Burden

2023· article· en· W4388928586 sur OpenAlexfundno aff
Janet H. Van Cleave, Catherine Concert, Maria Kamberi, Elise Zahriah, Allison Most, Jacqueline Mojica, Ann Riccobene, Nora Russo, Eva Liang, Kenneth S. Hu, A. Jacobson, Zujun Li, Lindsey E. Moses, Michael J. Persky, Mark S. Persky, Theresa Tran, Abraham A. Brody, Arum Kim, Brian L. Egleston

Notice bibliographique

RevueCancer Care Research Online · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Nursing ResearchYork UniversityOncology Nursing FoundationHartford Foundation for Public GivingNational Cancer InstituteNational Institutes of HealthNational Science Foundation
Mots-clésMedicineQuality of life (healthcare)Head and neck cancerInternal medicineCancerPopulationPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: Patients with head and neck cancer (HNC) often experience high symptom burden leading to lower quality of life (QoL). Objective: This study aims to conceptually model optimal cutpoint by examining where the total number of patient-reported symptoms exceeds patients’ coping capacity, leading to a decline in QoL in patients with HNC. Methods: Secondary data analysis of 105 individuals with HNC enrolled in a clinical usefulness study of the NYU Electronic Patient Visit Assessment (ePVA), a digital patient-reported symptom measure. Patients completed ePVA and European Organization for Research and Treatment of Cancer (EORTC) QLQ-C30 v3.0. The total number of patient-reported symptoms was the sum of symptoms as identified by the ePVA questionnaire. Analysis of variance was used to define the optimal cutpoint. Results: Study participants had a mean age of 61.5, were primarily male (67.6%), and had stage IV HNC (53.3%). The cutpoint of 10 symptoms was associated with a significant decline of QoL (F = 44.8, P < .0001), dividing the population into categories of low symptom burden (<10 symptoms) and high symptom burden (≥10 symptoms). Analyses of EORTC function subscales supported the validity of 10 symptoms as the optimal cutpoint (physical: F = 28.3, P < .0001; role: F = 21.6, P < .0001; emotional: F = 9.5, P = .003; social: F = 33.1, P < .0001). Conclusions: In HNC, defining optimal cutpoints in the total number of patient-reported symptoms is feasible. Implications for Practice: Cutpoints in the total number of patient-reported symptoms may identify patients experiencing a high symptom burden from HNC. What is Foundational: Using optimal cutpoints of the total number of patient-reported symptoms may help effectively align clinical resources with patients’ symptom burden.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,456
Écart entre enseignants0,398 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Care Research OnlineMême sujetHead and Neck Cancer StudiesTravaux en français237 207