Impact of Multidisciplinary Team Care on Patient-Reported Outcomes in Patients with Lung Cancer: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Multidisciplinary team (MDT) care is now recognized as the most effective approach to managing lung cancer treatment. While MDTs aim to improve coordination, decision-making, and patient outcomes, their impact on patient-reported outcomes, particularly quality of life (QoL), remains unclear. OBJECTIVE: This systematic review aimed to examine how the involvement of a multidisciplinary team (MDT) in the care of patients with lung cancer affects patient-reported outcomes and to investigate the enablers and barriers for implementing and running MDT care in lung cancer management. METHODS: We systematically searched Medline, Embase, Cochrane, and Scopus (up to March 2024) to identify studies comparing QoL outcomes in patients with lung cancer managed with and without MDT care. The review was conducted and reported in accordance with the PRISMA 2020 guidelines. Risk of bias was assessed using the CASP tool, and findings were synthesized narratively. QoL outcomes were grouped into physical, functional, emotional, and social domains, and quantitative and qualitative data were synthesized narratively due to heterogeneity across studies. RESULTS: Eleven studies met the inclusion criteria, comprising a total of 10,341 patients, with 3760 in MDT groups and 6581 in non-MDT groups. The methodological quality of the studies varied, with 10 papers rated as moderate to high quality. The findings suggest that MDT care may contribute positively to emotional support, and physical well-being. Better patient satisfaction and communication in MDT settings. LIMITATION: Heterogeneity and the lack of standardized PRO tools in outcome measures and study design limited comparability. CONCLUSIONS: MDT care may have a beneficial impact on certain aspects of quality of life in patients with lung cancer, particularly emotional and physical well-being. However, more robust and standardized research is needed to determine the full extent of its benefits on patient-reported outcomes.
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 | 0,011 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».