MétaCan
Menu
Retour à la cohorte
Enregistrement W4414913088 · doi:10.1200/op.2025.21.10_suppl.52

Rehab or radiation?: That is the question.

2025· article· en· W4414913088 sur OpenAlexaff
A. Deshane, Amy Xu, Morgan E. Freret, Daniel R. Gomez, Puneeth Iyengar, C.J. Tsai, Fumiko Chino, Divya Yerramilli

Notice bibliographique

RevueJCO Oncology Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCohortRadiation therapyDemographicsHospital dischargeHospital admissionCohort study

Résumé

récupéré en direct d'OpenAlex

52 Background: Hospitalized patients (pts) with an indication for radiation therapy (RT) may also require discharge to a subacute rehabilitation facility (SAR). However, certain insurance plans might not permit RT while admitted to SAR, requiring the completion of RT inpatient or the initiation of RT after SAR discharge. We hypothesized that pts who can receive RT while admitted to SAR have lower length of stay (LOS), thus preserving hospital resources and timely RT delivery. Methods: We examined a cohort of hospitalized pts at a single urban tertiary cancer center for whom radiation oncology was consulted and were then discharged to SAR between January 2019 to February 2024. We identified pts who received RT during the hospitalization or within 30 days of hospital discharge. We then examined pts who received RT prior to discharge to SAR (IN-PT RT), pts who received RT while admitted to SAR (SAR-RT), and pts who received RT after discharge from SAR but within 30 days of discharge from the hospital (PostSAR-RT). We examined mean age, race/ethnicity, baseline Karnofsky Performance Status (KPS), insurance, radiation technique, and site treated as predictors of outcome. We also examined various time intervals related to hospital admission, discharge, and RT consult and start. Chi-square testing was used for non-continuous variables and with Mann-Whitney/Kruskal-Wallis testing for continuous variables. Results: Overall, of the initial cohort (n=337), 52.2% (n=176) were IN-PT RT, 6.5% (n=22) were SAR-RT, and 3.8% (n=13) PostSAR-RT. Demographics and RT course data across groups are listed in Table 1. IN-PT RT had a significantly higher proportion of privately insured pts than SAR-RT (p=0.039). In all, pts were treated to 263 sites with predominantly palliative intent. 33% were non-spine bone lesions (n=86), 27.5% were spine lesions (n=72), and 25% were brain lesions (n=66). 28.4% (n=50) of IN-PT RT received ultra-hypofractionated SBRT. IN-PT RT had higher LOS of 24 days than SAR-RT (10 days, p <0.001) and PostSAR-RT (12 days, p < 0.001) but no difference in time from admission to inpatient RT consultation (6 days; 5 days; 6 days (p=0.572)). Conclusions: Pts who receive RT inpatient prior to discharge to SAR have double the LOS than those receiving RT at SAR, despite similar times from admission to inpatient consultation. IN-PT RT (N=176) >SAR-RT (N=22) PostSAR-RT (N=13) Count (%) Median (Range) Count (%) Median (Range) Count (%) Median (Range) P Value Sex Male Female 86 (49)90 (51) 11 (50)11 (50) 7 (54)6 (46) 0.94 Age (Years) 68 (19-89) 76 (41-90) 68 (50-87) Race White Black Asian Other/Unknown 125 (71)32 (18)9 (5)10 (6) 19 (86)2 (18)0 (0)1 (5) 10 (77) 1 (8)1 (8)1 (8) 0.71 Insurance Medicare/Medicaid Private Self Pay/None Listed 99 (56)57 (32)20 (11) 16 (73)1 (5)5 (23) 9 (69)4 (31)0 (0) 0.039 KPS at Consultation 60 (50-90) 70 (40-80) 50 (50-90) 0.109 RT Intent Definitive Palliative 5 (3)171 (97) 6 (27)16 (73) 5 (15)11 (85) 0.001 Days from Consult to RT start 4 (0-46) 11 (1-21) 21 (11-26) <0.001

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,484
Écart entre enseignants0,459 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Oncology PracticeMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207