Identifying the trajectory of SPPADE symptoms in patients with cancer using electronic health record data.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
PURPOSE: The longitudinal course (trajectory) of symptoms in patients with cancer has been understudied. Sleep disturbance, pain, physical function impairment, anxiety, depression, and energy deficit/fatigue (SPPADE) are particularly common in patients with cancer. This study characterizes the trajectory patterns of SPPADE symptoms in a large and diverse sample of patients with cancer and identifies factors associated with distinct trajectories. METHODS: To identify the optimal number and functional forms of the symptom trajectories, latent class growth analysis was conducted. Electronic health record (EHR) data were analyzed from 14,590 patients in the Enhanced EHR-facilitated Cancer Symptom Control (E2C2) trial cohort with at least 3 symptom assessments within a 12-month period. Each SPPADE symptom was rated on a 0-10 numeric rating scale. Multivariable multinomial logistic regression was used to determine factors associated with membership in the symptom trajectory subgroups. RESULTS: Four distinct trajectory patterns were similar across symptoms. The average sample distribution of membership in a trajectory class across the 6 symptoms was 65.5% for low severity stable, 15.5% for high severity stable, 10.7% for improving, and 8.4% for worsening. Being employed, married/partnered, better educated, older, and not having metastatic disease were independently associated with membership in the low stable trajectory of SPPADE symptoms. Cancer site generally did not influence symptom trajectory class membership. CONCLUSION: For oncology practices that routinely use patient-reported outcomes to assess symptoms, EHR data can be a source for characterizing symptom trajectories. Knowledge of factors associated with trajectory class membership could be useful in clinical research and for tailoring evidence-based symptom management strategies.
نتیجه فارسی
این مطالعه با استفاده از دادههای سوابق سلامت الکترونیک، چهار الگوی مسیر علائم SPPADE (اختلال خواب، درد، اختلال عملکرد جسمی، اضطراب، افسردگی و خستگی) را در بیماران سرطانی شناسایی کرد. اکثر بیماران (۶۵.۵٪) در گروه علائم با شدت کم و پایدار قرار داشتند. عواملی مانند شاغل بودن، ازدواج و تحصیلات بهتر با عضویت در این گروه مرتبط بودند.
- چهار الگوی مسیر متفاوت برای علائم SPPADE شناسایی شد.
- ۶۵.۵٪ از بیماران در گروه علائم با شدت کم و پایدار قرار داشتند.
- عواملی مانند شاغل بودن و ازدواج با عضویت در این گروه مرتبط بودند.
- دادههای EHR میتوانند برای توصیف مسیرهای علائم در مراکز سرطانی مفید باشند.
ترجمه فارسی چکیده
هدف: مسیر طولی علائم در بیماران سرطانی کمتر مورد مطالعه قرار گرفته است. اختلال خواب، درد، اختلال عملکرد جسمی، اضطراب، افسردگی و کمبود انرژی/خستگی (SPPADE) در بیماران سرطانی شایع هستند. این مطالعه الگوهای مسیر علائم SPPADE را در یک نمونه بزرگ و متنوع بیماران سرطانی توصیف میکند و عوامل مرتبط با مسیرهای متفاوت را شناسایی میکند. روشها: برای شناسایی تعداد و اشکال عملکردی بهینه مسیر علائم، تحلیل رشد کلاس پنهان انجام شد. دادههای سوابق سلامت الکترونیک (EHR) از ۱۴،۵۹۰ بیمار در کوهورت آزمایش کنترل علائم سرطان E2C2 تحلیل شد که حداقل ۳ ارزیابی علائم در یک دوره ۱۲ ماهه داشتند. هر یک از علائم SPPADE با مقیاس عددی ۰-۱۰ ارزیابی شدند. رگرسیون لجستیک چندمتغیره چندگانه برای تعیین عوامل مرتبط با عضویت در زیرگروههای مسیر علائم استفاده شد. نتایج: چهار الگوی مسیر متفاوت مشابه در بین علائم بود. میانگین توزیع نمونه عضویت در کلاس مسیر در بین ۶ علائم ۶۵.۵٪ برای شدت کم پایدار، ۱۵.۵٪ برای شدت بالا پایدار، ۱۰.۷٪ برای بهبود و ۸.۴٪ برای بدتر شدن بود. شاغل بودن، ازدواج/شراکت، تحصیلات بهتر، سنی بالاتر و نبود بیماری متاستاتیک به طور مستقل با عضویت در مسیر پایدار شدت کم علائم SPPADE مرتبط بودند. محل سرطان به طور کلی بر عضویت در کلاس مسیر علائم تأثیر نداشت. نتیجهگیری: برای مراکز سرطانی که به طور منظم از نتایج گزارش شده توسط بیماران برای ارزیابی علائم استفاده میکنند، دادههای EHR میتواند منبعی برای توصیف مسیرهای علائم باشد. دانش عوامل مرتبط با عضویت در کلاس مسیر میتواند در تحقیقات بالینی و برای تنظیم استراتژیهای مدیریتی علائم مبتنی بر شواهد مفید باشد.
روش پژوهش
تحلیل رشد کلاس پنهان برای شناسایی تعداد و اشکال عملکردی بهینه مسیر علائم انجام شد. دادههای EHR از ۱۴،۵۹۰ بیمار در کوهورت E2C2 تحلیل شد که حداقل ۳ ارزیابی علائم در یک دوره ۱۲ ماهه داشتند.
محدودیتها
محدودیتها در متن گزارش نشدهاند.
نمای PICO و پیامدها
- جمعیت
- بیماران سرطانی (۱۴،۵۹۰ نفر) در کوهورت E2C2
- مداخله/مواجهه
- تحلیل دادههای سوابق سلامت الکترونیک (EHR)
- مقایسه
- تحلیل رشد کلاس پنهان برای شناسایی الگوهای مسیر علائم
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل