Clinicians’ Prediction of Survival Is Most Useful for Palliative Care Referral
Notice bibliographique
Résumé
Background: Timely palliative transition in patients with advanced cancer is essential for their improved quality of life and overall survival (OS). Most prognostic models have been developed focusing on weeks' survival. The current study aimed to compare the accuracies of several indicators, such as the Karnofsky Performance Scale (KPS), Clinicians' Prediction of Survival (CPS), and Edmonton Symptom Assessment System (ESAS), for predicting the survival of patients. Methods: Two hundred patients were enrolled at a single tertiary cancer center in South Korea between 2016 and 2019. We compared the discrimination of CPS versus KPS and ESAS total scores using the area under the receiver operating characteristic curve (AUROC) in 3-month and 6-month survival predictions. Results: The median age of patients was 66.0 years, and 128 (64%) were male. Two-thirds (66%) of the patients had an Eastern Cooperative Oncology Group performance status of 0 or 1, and 55.5% had a KPS of 80% or higher. The values of AUROC of CPS, KPS, and ESAS total score in 3-month survival prediction were 0.80 (95% confidence interval [CI]: 0.73-0.88), 0.71 (95% CI: 0.62-0.79), and 0.71 (95% CI: 0.62-0.81), respectively, whereas those in 6-month survival were 0.82 (95% CI: 0.76-0.88), 0.70 (95% CI: 0.63-0.78), and 0.63 (95% CI: 0.55-0.71), respectively. Conclusion: CPS showed the highest accuracy in predicting 3- and 6-month survival, whereas KPS had an acceptable accuracy. Experienced clinicians can rely on CPS to predict survival in months. We recommend the use of KPS with CPS to assist inexperienced clinicians.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».