Patient Preferences on Clinical Decision Making in Multiple Myeloma
Notice bibliographique
Résumé
PURPOSE: To better understand the priorities that guide patients with multiple myeloma, we surveyed patients on four different treatment scenarios, each of treatment strategies shown to improve progression-free survival (PFS) but offering similar overall survival (OS) outcomes. METHODS: We conducted a survey using the HealthTree Cure Hub by the HealthTree Foundation, the largest online portal for people with plasma cell dyscrasias. RESULTS: The primary analysis cohort included 466 participants with myeloma, while an additional 297 responses from patients with smoldering myeloma or monoclonal gammopathy of uncertain significance were analyzed separately. When presented with either three-drug or four-drug frontline treatment for their myeloma, where four drugs offered better PFS, similar OS, and slightly increased toxicity, 56% of participants chose four drugs. For one-off consolidation treatment after induction, analogous to autologous transplant, which improved PFS but not OS, 50% of participants chose the consolidation. For maintenance therapy, where maintenance with two drugs offered better PFS, but similar OS and increased toxicity than one drug, 17% of participants chose two-drug maintenance. When evaluating a scenario for multiply relapsed disease, where a treatment improved PFS with increased toxicity, and no impact on OS, 7% of participants elected to receive this treatment. CONCLUSION: Our findings show that many patients choose not to receive treatments that improve PFS if they do not positively affect OS and lead to substantial clinical, financial, and/or time toxicities.
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 | 0,019 |
| 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 | 0,001 |
| 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 ».