Measuring the Unseen Burden: Immunotherapy and Targeted Therapy Reduce Treatment-Related Time Toxicity in Incurable Malignancies
Notice bibliographique
Résumé
Background: Treatment-related time toxicity (TrTT) poses a cumulative burden on quality of life. We aimed to analyze and quantify the impact of the TrTT on patients with incurable malignancies in our ambulatory oncology clinic. Methods: We performed a retrospective observational analysis of the TrTT for individuals with incurable solid cancers at a regional safety-net oncology office that focuses on underserved communities. Time toxicity is calculated as the number of days a patient spent with any healthcare-related encounters during the initial 12-week period of the most recent line of therapy from our medical record system. Results: Among the 150 patients included, the median TrTT was 13 days/12 weeks (interquartile range (IQR) 7 - 23). Fourteen percent of them experienced severe TrTT (> 1/3 of the time spent seeking treatment). We identified multiple risk factors for higher TrTT, including poor performance status, the need for cytotoxic chemotherapy, and gastrointestinal malignancies. Immunotherapy, targeted therapy, and hormone therapy were associated with significantly lower TrTT when compared with cytotoxic chemotherapy. Conclusions: Disproportionally high time toxicity was seen in patients with frailty, had gastrointestinal malignancies, and were receiving cytotoxic chemotherapy. Our findings underscore the importance of including time-based metrics in shared decision-making in the palliative treatment setting.
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 | 0,004 | 0,017 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».