Enhancing Nutrition Support for Esophageal Cancer Patients: Understanding Factors Influencing Feeding Tube Utilization
Notice bibliographique
Résumé
Objective: We sought to identify factors that can predict esophageal cancer (EC) patients at high risk of requiring feeding tube insertion. Methods: A retrospective cohort review was conducted, including all patients diagnosed with EC at our cancer center from 2013 to 2018. Multivariate logistic regression was performed comparing the group that required a reactive feeding tube insertion to those who did not require any feeding tube insertion to identify risk factors. Results: A total of 350 patients were included in the study, and 132/350 (38%) patients received a feeding tube. 50 out of 132 (38%) patients had feeding tube inserted reactively. Severe dysphagia (OR 19.9, p < 0.001) at diagnosis and decision to undergo chemotherapy (OR 2.8, p = 0.008) appeared to be predictors for reactive feeding tube insertion. The reactive insertion group had a 7% higher rate of complications relating to feeding tube. Conclusion: Severe dysphagia at diagnosis and undergoing chemotherapy were identified as risk factors for requiring a feeding tube. Ultimately, the aim is to create a predictive tool that utilizes these risks factors to accurate identify high-risk patients who may benefit from prophylactic feeding tube insertion.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».