Trends in symptom severity and complexity in patients undergoing radiation therapy
Notice bibliographique
Résumé
Symptom severity and complexity have considerable impact on a patient's cancer care journey. This study describes symptom scores of radiotherapy patients across their radiotherapy care trajectory and factors associated with symptom complexity. Patients who received radiotherapy at a single tertiary cancer center, who also completed at least one symptom-reporting questionnaire, the Edmonton Symptom Assessment Scale- Revised (ESAS-r) between October 1, 2019 and April 1, 2020 were included in this retrospective analysis. Symptom assessment time points were pre-treatment, start and end of radiation treatment and post-treatment follow-up. Mean ESAS-r scores for individual symptoms were descriptively analyzed by assessment timing and tumour group. We calculated a symptom complexity score for each ESAS-r measurement, using a validated algorithm, and assigned overall symptom complexity as low, moderate or severe. We modelled the association between assessment timing, and tumor group, with symptom complexity using Generalized Estimating Equations (GEE). The study cohort consisted of 1,632 patients who completed 2,519 ESAS-r questionnaires. Patients with lung and H&N cancers reported higher mean symptom scores compared to other tumour groups. Patients at the start of treatment had significantly lower odds of having a more severe symptom complexity, compared with patients pre-treatment (OR = 0.77, 95% CI = 0.64-0.93). Patients with H&N and lung cancer and patients prior to starting radiation may benefit most from increased symptom support and management.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».