MétaCan
Menu
Retour à la cohorte
Enregistrement W4402965706 · doi:10.1200/op.2024.20.10_suppl.328

Comparison of symptom clusters between Black and White patients with cancer within an electronic patient-reported outcome remote symptom monitoring program.

2024· article· en· W4402965706 sur OpenAlexaff
Sandra C. Olisakwe, Luqin Deng, Jeffrey Franks, Nicole E. Caston, Courtney Williams, Andrés Azuero, Chelsea McGowen, Bryanna Diaz, Carrie C. McNair, Sheila McElhany, D’Ambra Dent, Noon Eltoum, Katherine Parks, Joud El Dick, Bryan J. Weiner, Doris Howell, Angela M. Stover, Ethan Basch, Jennifer Young Pierce, Gabrielle B. Rocque

Notice bibliographique

RevueJCO Oncology Practice · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)MedicineCancerPatient-reported outcomeInternal medicineQuality of life (healthcare)Biology

Résumé

récupéré en direct d'OpenAlex

328 Background: Disparities in pain management for Black patients with cancer are well-documented, but less is known about other symptom clusters like gastrointestinal (GI), respiratory, and urinary symptoms. This study assessed racial disparities in electronically reported symptom clusters among Black and White patients with cancer enrolled in a Remote Symptom Monitoring (RSM) program. Methods: Patients with cancer at the University of Alabama at Birmingham (UAB) and the Mitchell Cancer Institute (MCI) reported symptoms weekly using the Patient Reported Outcomes version of the Common Terminology Criteria for Adverse Events (PRO-CTCAEs). The GI symptom cluster included decreased appetite, nausea, vomiting, constipation, and diarrhea; the respiratory cluster included cough and shortness of breath; the urinary cluster included frequent urinary problems. We assessed the presence of any moderate/severe symptoms or any severe symptoms (triggering a nurse alert) in the clusters. The study evaluated surveys submitted within the first six months after RSM enrollment. Generalized linear mixed effects modeling with random effects adjusting for cancer type, sex, and age were used to calculate the odds of reporting any moderate/severe pain between Black and White patients. Results: Among 1454 patients (31% Black, 69% White), 17,937 surveys were analyzed. The median age for Black patients was 59 (IQR 47-66) and 63 (IQR 54-71) for White patients. Breast cancer was most common in both groups (36% Black, 23% White), followed by gynecological (20% Black, 17% White) and gastrointestinal cancers (19% Black, 18% White). At baseline, both races reported similar proportions of moderate/severe or severe symptom for all clusters (Table). During the first six months in the RSM program, symptom proportions remained similar (Table). These findings were consistent in adjusted analysis for the GI (OR 0.85; 95% CI 0.68-1.07), respiratory (OR 1.18; 95% CI 0.87-1.61), and urinary clusters (OR 0.92; 95% CI 0.61-1.39). Conclusions: Our findings suggest no significant racial disparities in reporting moderate/severe or severe symptoms among Black and White patients with cancer at baseline or within their initial six months in the RSM program across GI, respiratory, and urinary symptom clusters. Survey characteristics. Total Surveys(N=17,937) Baseline Surveys 6 Months Surveys White (n=999) Black(n=455) White(n=11,344) Black(n=5139) Gastrointestinal Symptoms, No. (%) Severe 1376 (8) 121 (12) 59 (13) 783 (7) 413 (8) Moderate/Severe 4701 (26) 300 (30) 130 (29) 2971 (26) 1300 (25) Respiratory Symptoms, No. (%) Severe 438 (2) 28 (3) 29 (6) 241 (2) 140 (3) Moderate/Severe 1612 (9) 90 (9) 62 (14) 996 (8) 464 (9) Urinary Symptoms, No. (%) Severe 333 (2) 31 (3) 13 (3) 184 (2) 105 (2) Moderate/Severe 620 (3) 44 (4) 21 (5) 372 (3) 183 (4)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,523
Écart entre enseignants0,412 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueJCO Oncology PracticeMême sujetMental Health Research TopicsTravaux en français237 207