Use of inpatient palliative care in metastatic urethral cancer
Notice bibliographique
Résumé
BACKGROUND: In metastatic urethral cancer, temporal trends, and patterns of inpatient palliative care (IPC) use are unknown. METHODS: Relying on the National Inpatient Sample (2006-2019), metastatic urethral cancer patients were stratified according to IPC use. Estimated annual percentage changes (EAPC) analyses and multivariable logistic regression models (LRM) for the prediction of IPC use were fitted. RESULTS: Of 1,106 metastatic urethral cancer patients, 199 (18%) received IPC. IPC use increased from 5.8 to 28.0% over time in the overall cohort (EAPC +9.8%; P < 0.001), from <12.5 to 35.1% (EAPC +11.2%; P < 0.001), and from <12.5 to 24.7% (EAPC +9.4%; P = 0.01) in respectively females and males. Lowest IPC rates were recorded in the Midwest (13.5%) vs. highest in the South (22.5%). IPC patients were more frequently female (44 vs. 37%), and more frequently exhibited bone metastases (45 vs. 34%). In multivariable LRM, female sex (multivariable odds ratio [OR] 1.46, 95% confidence interval [CI] 1.05-2.02; P = 0.02), and bone metastases (OR 1.46, 95%CI 1.02-2.10; P = 0.04) independently predicted higher IPC rates. Conversely, hospitalization in the Midwest (OR 0.53, 95%CI 0.31-0.91; P = 0.02), and in the Northeast (OR 0.48, 95%CI 0.28-0.82; P = 0.01) were both associated with lower IPC use than hospitalization in the West. CONCLUSION: IPC use in metastatic urethral cancer increased from a marginal rate of 5.8% to as high as 28%. Ideally, differences according to sex, metastatic site, and region should be addressed to improve IPC use rates.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».