Symptom Clusters Using Edmonton Symptom Assessment System in Radiotherapy and Palliative Care Outpatient Clinic
Notice bibliographique
Résumé
Background/Objectives: Effective palliative care relies on accurate identification and management of symptoms, especially in patients referred for palliative radiotherapy (PRT). This study aimed to identify symptom clusters (SCs)—defined as ≥2 interrelated symptoms—in patients evaluated at a multidisciplinary Radiotherapy and Palliative Care (RaP) outpatient clinic, using the Edmonton Symptom Assessment System (ESAS). Methods: We retrospectively analyzed data from patients referred to the RaP clinic between February 2017 and April 2020. Demographic and clinical characteristics, including ESAS scores at first visit, were collected. Principal component analysis (PCA) and unsupervised K-means clustering (KMC) were used to identify SCs. Associations with ECOG performance status (PS), primary tumor site, metastases site and PRT administration were analyzed. Exploratory survival analyses were performed.Results: Among 215 patients (median age 71 years; 53% male), the mean total ESAS score was 24.03 ± 15.28. PCA identified four SCs: SCPCA1 (tiredness, drowsiness, dyspnea, malaise), SCPCA2 (depression, anxiety), SCPCA3 (nausea, loss of appetite) and SCPCA4 (pain). KMC revealed three SCs: SCKMC1 (pain, tiredness, drowsiness, malaise), SCKMC2 (nausea, loss of appetite, dyspnea), SCKMC3 (depression, anxiety). Worse ECOG PS correlated significantly with physical SCs (p < 0.05). A trend linked SCKMC1 with greater PRT use. Psychological SCs (SCPCA2, SCKMC3) were significantly associated with a lower likelihood of receiving PRT. A trend toward shorter survival was observed among patients belonging to SCKMC2. Conclusions: SC analysis could improve clinical decision-making in the PRT setting. SC profiles reflect patient complexity and may guide personalized symptom management and treatment selection in advanced cancer.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».