Impact of Symptom Distress on the Quality of Life of Oncology Palliative Care Patients: A Portuguese Cross-Sectional Study
Notice bibliographique
Résumé
Introduction: Uncontrolled symptoms are widely recognized as one of the main challenges in oncology palliative care patients. The central aim of palliative care is to improve the patient’s quality of life. In recent years, there has been a growing use of patient-reported outcome measures in palliative care, particularly to evaluate symptoms, quality of care, and well-being. Aim: To evaluate the sociodemographic and clinical profile, symptom distress, and perceived quality of life in oncology palliative care patients admitted to a specialized palliative care unit in Portugal. Methods: This study was cross-sectional, descriptive, and correlational, carried out in the inpatient setting of the palliative care unit at a tertiary oncology hospital (at admission). The evaluated protocol included a sociodemographic and clinical questionnaire, as well as two measurement instruments: the Edmonton Symptom Assessment Scale (ESAS) and the Palliative Care Outcome Scale (POS), both filled out by the patients. Data analysis was conducted using IBM SPSS® Statistics version 25.0, with a significance level set at 5% (p < 0.05). Results: The majority of participants in this sample were male (61.7%), with a mean age of around 72 years. More than half of the patients admitted (n = 34; 56.7%) were being monitored in outpatient care. Digestive and head and neck cancers were the most commonly found in the sample (41.7% and 20%, respectively). A significant correlation was found between high symptom intensity and poorer quality of life and care (p < 0.01). This association was particularly pronounced for symptoms such as pain, weakness, depression, anxiety, and anorexia. Conclusions: This study revealed a positive correlation between overall symptom severity and a perceived deterioration in quality of life, well-being, and quality of care. Future studies should consider utilizing alternative assessment tools for evaluating symptoms and quality of care. Additionally, including non-cancer palliative patients in similar studies may provide further valuable insights.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».