ESMO expert consensus statements on the screening and management of financial toxicity in patients with cancer
Notice bibliographique
Résumé
BACKGROUND: Financial toxicity, defined as both the objective financial burden and subjective financial distress from a cancer diagnosis and its treatment, is a topic of interest in the assessment of the quality of life of patients with cancer and their families. Current evidence implicates financial toxicity in psychosocial, economic and other harms, leading to suboptimal cancer outcomes along the entire trajectory of diagnosis, treatment, supportive care, survivorship and palliation. This paper presents the results of a virtual consensus, based on the evidence base to date, on the screening and management of financial toxicity in patients with and beyond cancer organized by the European Society for Medical Oncology (ESMO) in 2022. METHODS: A Delphi panel of 19 experts from 11 countries was convened taking into account multidisciplinarity, diversity in health system contexts and research relevance. The international panel of experts was divided into four working groups (WGs) to address questions relating to distinct thematic areas: patients with cancer at risk of financial toxicity; management of financial toxicity during the initial phase of treatment at the hospital/ambulatory settings; financial toxicity during the continuing phase and at end of life; and financial risk protection for survivors of cancer, and in cancer recurrence. After comprehensively reviewing the literature, statements were developed by the WGs and then presented to the entire panel for further discussion and amendment, and voting. RESULTS AND DISCUSSION: A total of 25 evidence-informed consensus statements were developed, which answer 13 questions on financial toxicity. They cover evidence summaries, practice recommendations/guiding statements and policy recommendations relevant across health systems. These consensus statements aim to provide a more comprehensive understanding of financial toxicity and guide clinicians globally in mitigating its impact, emphasizing the importance of further research, best practices and guidelines.
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 | 0,185 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».