Palliative care needs of stroke patients at a tertiary care center in South India
Notice bibliographique
Résumé
Objectives: Stroke survivors have palliative care needs in multiple domains, which are overlooked. Accurate estimation of these is pivotal in ensuring proper rehabilitation and planning interventions to improve quality of life (QoL). We aimed to assess the palliative care needs of stroke patients in various domains in a structured manner at the neurology service of a tertiary care center in South India. Materials and Methods: Seventy-five consecutive stroke patients presenting to the neurology service were recruited over six months with assessment across various domains including symptom burden, physical domain, activities of daily living (ADL), psychiatric/psychological domain, and QoL at baseline and with follow-up at one month and three months. Results: Despite improvement in the conventional stroke impairment measures among stroke survivors, there were significant unmet needs across various domains; 98% were severely or entirely dependent on ADL at three-month follow-up; and pain and insomnia were the most frequent (33% incidence) troubling symptoms encountered. There were substantial mental health related issues. The QoL measurement tools employed were the stroke impact assessment questionnaire (SIAQ), a novel tool and the World Health Organization Quality Of Life Brief Version (WHO-QOL-BREF). SIAQ scores at one month showed that 19 patients (42.22%) had their QoL severely affected, and 36 patients (80%) showed the same trend at the three-month follow-up. WHO-BREF scores showed that 27 (62%) did not report good QoL, and 32 (73%) were found not to be satisfied with their health at a one-month follow-up. Conclusion: There is a significant burden of unmet palliative care needs among stroke survivors in India across various domains.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».