Preoperative Quality-of-Life and Recovery Following Esophagectomy: Identifying Modifiable Factors Associated with Improvement
Notice bibliographique
Résumé
BACKGROUND Esophagectomy remains the primary curative treatment for esophageal cancer, but it often leads to substantial declines in health-related quality of life (HRQoL). While prior studies have identified various demographic and clinical factors associated with postoperative HRQoL, most are non-modifiable and offer limited opportunities for intervention. This study aimed to examine whether modifiable preoperative factors, particularly baseline HRQoL, are associated with clinically meaningful improvement in HRQoL one year after esophagectomy. METHODS This retrospective cohort study used data from the McGill Esophageal and Gastric Database. Patients were included if they underwent curative esophagectomy for esophageal cancer and completed the Functional Assessment of Cancer Therapy-Esophageal (FACT-E) both before surgery and at one year postoperatively. HRQoL improvement was defined as a ≥ 5-point increase in total FACT-E score. Stepwise multivariable logistic regression was used to evaluate the association between preoperative factors and HRQoL improvement, with additional sensitivity analyses across various improvement thresholds. RESULTS Of 108 eligible patients, 42% experienced clinically meaningful HRQoL improvement one year after surgery. Lower preoperative FACT-E scores were significantly associated with greater odds of improvement. No other modifiable factors, including BMI, smoking, or alcohol use, were significantly associated with improvement. Sensitivity analyses confirmed consistent findings across alternative HRQoL thresholds. Among demographic variables, female sex was associated with lower odds of improvement. CONCLUSION Patients with greater preoperative symptom burden were more likely to experience meaningful improvements in HRQoL after esophagectomy. These findings support the value of routine preoperative HRQoL assessment and suggest that baseline HRQoL could be used to identify patients who may benefit from targeted prehabilitation or psychosocial support. As precision medicine advances, incorporating patient-reported outcomes into preoperative risk stratification could enhance personalized recovery planning and improve survivorship care.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».