MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401514512 · doi:10.1200/jco.2024.42.23_suppl.tps180

Stronger together: Implementing patient-reported symptom tool in routine cancer care in diverse Asia—A multi-national pilot feasibility study (PROMiSE-Pilot).

2024· article· en· W4401514512 sur OpenAlexaboutno aff
Piyada Sitthideatphaiboon, Milita Zaheed, Jayson L. Co, Kevin Lee Min Chua, Monica Malik

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

TPS180 Background: Patients diagnosed with cancer often experience disease or treatment-related symptoms, which can be under-elicited and under-appreciated by clinicians during time-poor consultations. This is particularly challenging in Asia where structural disparities in healthcare access mean oncology services are often under-resourced. Five oncologists from Thailand, India, Singapore, Philippines and Australia formed a working group as part of ASCO Asia-Pacific Leadership Development Program (LDP-AP). Systematic symptom monitoring using patient-reported outcomes measures (PROM) was identified as a potential solution to improve care in diverse Asian settings. PROM has demonstrated improved outcomes in Western settings but its utility in resource limited Asian contexts is less well established. A study was developed to evaluate the feasibility of implementing PROM in routine outpatient care across diverse cultural contexts in Asia. Methods: PROMiSE-Pilot is a prospective, multi-centre, feasibility study of integrating PROM in routine outpatient care across Asia. The Edmonton Symptom Assessment Scale questionnaire (ESAS-r) was selected as the PROM tool. Clinicians in 4 hospitals in Singapore, Manila, Bangkok and Hyderabad will be invited to participate, and their patients will be invited to complete the ESAS-r on paper before each visit. The primary aim is to evaluate if proportion of patients who complete ≥5 of 10 items on ESAS-r is ≥85% (Clopper Pearson). Secondary aims include assessing proportion who complete ≥8 and all 10 items and perceived utility of ESAS-r evaluated through surveys adapted to measure patient and clinician satisfaction. Site-specific patient, clinician, administrative barriers and facilitators will be studied. A pragmatic approach to context-specific implementation was adopted with each site developing its own process map for delivering the pilot and adapting to local patient demographics (e.g. low literacy), cultural contexts and resources. Translated versions of ESAS-r were acquired where necessary. Recruitment commenced in March 2024 following ethics approval at 2 sites. 87 patient encounters have been captured from 5 participating clinicians in Singapore. 5 clinicians have agreed to participate in Bangkok. Target recruitment is 200 encounters per site. Multi-centre data will be presented at the Breakthrough congress. Clinicians from ASCO LDP-AP identified PROM as a low-cost but potentially high-value approach to improving quality of care in resource limited settings in Asia. Understanding the feasibility of such a tool is vital prior to consideration of wider scale adoption by stakeholders. This co-developed multi-national pilot additionally demonstrates the value of collaboration, our strength in diversity and a pragmatic model for investigator-initiated studies in Asia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,402
Tête enseignante GPT0,558
Écart entre enseignants0,156 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetGlobal Cancer Incidence and Screening→Travaux en français237 207→