A comparison of the prevalence of dry mouth and other symptoms using two different versions of the Edmonton Symptom Assessment System on an inpatient palliative care unit
Notice bibliographique
Résumé
BACKGROUND: Symptom assessment is key to effective symptom management and palliative care for patients with advanced cancer. Symptom prevalence and severity estimates vary widely, possibly dependent on the assessment tool used. Are symptoms specifically asked about or must the patients add them as additional symptoms? This study compared the prevalence and severity of patient-reported symptoms in two different versions of a multi-symptom assessment tool. In one version, three symptoms dry mouth, constipation, sleep problems were among those systematically assessed, while in the other, these symptoms had to be added as an "Other problem". METHODS: This retrospective cross-sectional study included adult patients with advanced cancer at an inpatient palliative care unit. Data were collected from two versions of the Edmonton Symptom Assessment System (ESAS): modified (ESAS-m) listed 11 symptoms and revised (ESAS-r) listed 9 and allowed patients to add one "Other problem". Seven similar symptoms were listed in both versions. RESULTS: In 2013, 184 patients completed ESAS-m, and in 2017, 156 completed ESAS-r. Prevalence and severity of symptoms listed in both versions did not differ. In ESAS-m, 83% reported dry mouth, 73% constipation, and 71% sleep problems, but on ESAS-r, these symptoms were reported by only 3%, 15% and < 1%, respectively. Although ESAS-r severity scores for these three symptoms were higher than on ESAS-m, differences did not reach statistical significance. CONCLUSION: We identified significant differences in patient symptom reporting based on whether symptoms like dry mouth, obstipation and sleep problems were specifically assessed or had to be added by patients as an "Other problem".
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) | 0,001 | 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 ».