Abstract
Bakgrunn
Dette manuskriptet beskriver en tilnærming for å analysere store mengder ulike kliniske data for å belyse de mest virknings faktor (er) som er knyttet til en meningsfylt klinisk resultat, i dette tilfellet, livskvaliteten til kreftpasienter. Sammenhengene mellom klinisk og livskvalitet variabler ble evaluert ved bruk av EORTC QLQ-C30 global helse domene-en validert surrogat variabel for total kreftpasient trivsel.
Metoder
En tverrsnitts studiedesign ble brukt til å evaluere de faktorer som bestemmer global helse hos kreftpasienter som startet behandling på to regionale medisinske sentre mellom januar 2001 og desember 2009. variabler analysert inkludert 15 EORTC QLQ-C30 vekt, alder ved diagnose, kjønn, nylig diagnostisert /tilbakevendende sykdom status, og scenen. Beslutningen tre algoritmen, kanskje ukjent for praktiserende klinikere, evaluerer den relative bidraget fra enkelte parametre i å klassifisere et klinisk relevant funksjonell endepunkt, slik som den globale helsen til en pasient.
Funn
Multiple pasient egenskaper ble identifisert som viktige bidragsytere. Tretthet, særlig dukket opp som den mest utbredte indikator på kreftpasienters livskvalitet i 16/23 klinisk relevante undergrupper. Denne analysen lov resultater angis i en klinisk-intuitive, regelsett format ved hjelp av språk og mengder av livskvalitet (QoL) verktøyet selv.
Tolkning
Ved å bruke klassifiseringsalgoritmer til et stort datasett, identifisering av tretthet som en rot faktor i å drive global helse og generell livskvalitet ble avslørt. Muligheten til å praktisere gruve av kliniske datasett for å avdekke kritiske kliniske innsikter som er umiddelbart gjeldende for pasientbehandling praksis er illustrert
Citation. McCabe RM, Grutsch JF, Braun DP, Nutakki SB (2015) Fatigue som en Føreren av den generelle livskvaliteten hos kreftpasienter. PLoS ONE 10 (6): e0130023. doi: 10,1371 /journal.pone.0130023
Academic Redaktør: Frank Emmert-Streib, Queens University Belfast, Storbritannia
mottatt: 26 november 2014; Godkjent: 16 mai 2015; Publisert: 12 juni 2015
Copyright: © 2015 McCabe et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet: Den nåværende manuskriptet er kompatibel med tidsskriftet standard på grunn av det faktum at alle data som finnes her, er rapportert i forrige PLoS ONE manuskript med tittelen «Kan livskvalitetsvurderingene skille heterogene kreftpasienter?». Pasient nivå data kan ikke bli rapportert i et offentlig register under restriksjoner i HIPAA, Kreftregisteret IRB samsvar med føderale og statlige forskrifter. Leserne kan kontakte Dr. Donald Braun ([email protected]) for ytterligere forespørsler på de data som brukes i dette manuskriptet. Forskere som ber om data fra Dr. Braun vil bli utstyrt med et anonymisert datasett
Finansiering:. Forskningsprogrammet er finansiert av kreftbehandling Centers of America. Kreftbehandling Centers of America gitt støtte i form av lønn for forfattere Ryan M McCabe, James F Grutsch, Donald P Braun og Swetha B Nutakki, men ikke har noen ekstra rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet. De spesifikke roller disse forfatterne er formulert i § «forfatter bidrag «
Konkurrerende interesser:. Forfatterne av dette manuskriptet har følgende konkurrerende interesser: Forskningsprogrammet er finansiert av kreftbehandling Centers of America. Ryan McCabe, James Grutsch, Donald Braun og Swetha Nutakki ble ansatt i kreftbehandling Centers of America under gjennomføringen av studien. Det finnes ingen patenter, produkter under utvikling eller markedsført produkter å erklære. Dette endrer ikke sin tilslutning til alle PLoS ONE politikk på deling av data og materialer.
Innledning
Gjeldende Quality of Life (QoL) vurderingsverktøy ble utviklet for bruk i kliniske forsøk for å kvantifisere fordelene med innovative terapier på pasientenes symptombelastning, fungerende og generelle livskvalitet. Kliniske forskere har oppdaget at spesifikke QoL skalaer gi informasjon om varigheten av pasientens overlevelse uavhengig av kjente prognostiske variabler [1,2]. Nyere forskning har fastslått den kliniske betydningen av endringer i QoL score [3,4]. Ytterligere forskning har begynt å knytte QoL domener med klinisk relevante biologiske pathways [5-7].
Fremveksten av livsforlengende kreftbehandlinger har ført til et økende antall kreftoverlevere som lever i mange år etter opphør av behandlingen. Derfor har pasientens vurdering av deres livskvalitet og trivsel blitt en viktig pasient utfall. Det er en sentral pådriver for pasientens tilfredshet med sin kliniske teamet [8] og kan i økende grad blitt en viktig faktor i kliniker og pasient beslutningsprosesser. Den EORTC QLQ-C30 instrumentets modulær format replikerer Wilson og Cleary modell av helserelatert livskvalitet (HRQoL) som er en sekvens av sammenhengende konstruksjoner som starter med fysiologiske og sykdomstilstand; framgang å symptom status, funksjon, og generell helse persepsjon og slutter med tilfredshet med generell livskvalitet [9-12] (Fig 1).
Den veien generelt utvikler seg fra venstre til høyre, og begynner med konstruksjonen av sykdomstilstanden , symptomstatus, funksjonell status, generell livskvalitet og pasienttilfredshet med livskvalitet. Hver konstruksjon består av flere pasient egenskaper og er også påvirket av individuelle og miljømessige egenskaper.
Hovedmålet med studien er å undersøke prediktorer av livskvalitet ved hjelp av en innovativ tilnærming av beslutningstre analyse. Denne forskningen brukt en stor database som består av en heterogen kreftpasientpopulasjonen med Rapportert pasientens utfall (PRO), demografiske og kliniske data. Analysen stratifisert pasienter ved stedet av opprinnelse, stadium av sykdommen og behandlingen historie, dvs. om de var under første eller etterfølgende linjer av behandlingen. Sett av algoritmen generert beslutningstrær ble brukt til å identifisere driverne av pasient evaluering av deres livskvalitet. Beslutningstrær kan generere nøyaktige spådommer, håndtere blandinger av kategoriske og kontinuerlige data indikerer verdiområder hvor variablene er mest forutsigbare, og har den fordelen at deres utganger kan beskrives i klinisk intuitive etiketter, heller enn statistisk terminologi og mengder [13-15 ]. Beslutning trær har blitt brukt i ulike scenarier i det medisinske domenet [16,17], inkludert forutsi feil i kronisk sykdom omsorg, identifisere signaler om bivirkninger, og oppdager gjenstander i neonatale intensiv data. Bruk av beslutningstrær å oppdage førere av generell livskvalitet hos kreftpasienter er en roman program. Denne metoden gjør det mulig å undersøke om driverne av livskvalitet er mangfoldig og betinget sykdom type eller er få i antall og uavhengig av type sykdom og dens progresjon.
Metoder
Studiedesign
En tverrsnittsstudie utforming ble brukt til å evaluere de faktorer som bestemmer global helse i 8478 kreftpasienter som startet behandling på to kreftbehandling Centers of America regionale medisinske sentre mellom januar 2001 og desember 2009. Administrativt ansatte tilbys alle potensielle pasienter, uavhengig av behandling eller sykdomshistorie, en mulighet til å fullføre EORTC QLQ-C30 instrument ved ankomst på klinikken, før under behandling. Det eneste kriteriet for å delta var å kunne lese og fullføre undersøkelsen på engelsk. Demografiske data ble gitt av kreftregistre i hvert senter. Alle pasienter ga skriftlig samtykke. Denne studien ble godkjent av Midwestern Regional Medical Center Institutional Review Board.
livskvalitet Instrument
EORTC QLQ-C30 er en validert [3] og mye brukt [18] forskning instrument som samler Pasient -Reported Outcomes (PRO) for symptomer rutinemessig funnet hos kreftpasienter. Det samler inn data om pasientens funksjon og evaluering av deres generelle livskvalitet. Instrumentet består av 30 spørsmål. Svarene på disse spørsmålene varierer fra 1 til 4 for symptom og fungerer domener (1 = ikke i det hele tatt, 4 = Veldig mye) eller 1-7 for global helse domene (1 = Svært dårlig, 7 = utmerket). Svar på alle spørsmålene er lineært forvandlet til en 0-100 poeng i hver av 15 kategorisk (ni symptomer, fem funksjoner og en global helse), ikke-overlappende skalaer (dvs. at hver respons bare brukes til å bestemme en skala poengsum). Den symptomer tretthet, smerte og kvalme /oppkast er hvert sammensatt av multiple spørsmål. For eksempel er tretthet består av tre spørsmål som spør pasientene om deres behov for å hvile, slapphet, og nivå av tretthet. De resterende symptomskalaer er enkle elementer som adresserer: dyspné, appetitt tap, søvnløshet, forstoppelse, diaré, og det som oppfattes som finansielle effekten av sykdom og behandling. De fem fungerende domenene er: fysisk, rolle (arbeidsrelatert), kognitive, emosjonelle og sosiale. Den globale helse elementet kombinerer svarene på to spørsmål: pasientenes vurdering av deres generelle helse og generell livskvalitet. For funksjon og global helse skalaer, representerer en høyere score et bedre funksjonsnivå, mens for symptom elementer, representerer en høyere score mer alvorlige symptomer [19].
Variabler analysert
Resultatet variabel med studien var global helse, og målet med analysene var å identifisere strukturen og nøyaktigheten av trærne. Denne analysen omfatter alle 15 EORTC QLQ-C30 badevekt og følgende demografiske og kliniske variabler fra Kreftregisteret i: alder ved diagnose, kjønn, nylig diagnostisert /tilbakevendende sykdomsstatus, best AJCC (American Joint Committee on Cancer) scenen på den tiden diagnose for den analytiske pasienten årsklasse, og regionale /metastatisk sykdom for tilbakevendende kreftpasienter. Disse variablene ble brukt som input til å generere klassifiseringsregler for å forutsi globale helsenivåer for den enkelte pasient. Kjønn, nydiagnostisert /tilbakevendende status, og scenen ble definert som kategoriske variabler.
Den kliniske variabler stedet av opprinnelse, nylig diagnostisert eller residiverende sykdom og scene for nydiagnostisert er kraftige prediktorer for pasientens levetid. Disse variablene ble brukt til å generere eksperimentelle grupper med forskjellige prognoser som varierte fra helbredelig til hospice-bundet. Disse undergruppene ble analysert uavhengig for å fastslå om driverne av global helse varierte på bakgrunn av prognoser eller om driverne for global helse er uavhengig av området av opprinnelse og utvikling av sykdommen.
Analytisk metode
Målet med dette analysen var å identifisere faktorer som bestemmer global helse fra et klinisk perspektiv. Global helse skårer ble stratifisert i tre klinisk forskjellige klasser: lav, middels og høy. Denne lagdelingen var basert på score stammer fra undersøkelser av europeiske befolkningen generelt [20]. Disse undersøkelsene var populasjonsbasert og gjennomføres uten kjennskap til deltakernes helsetilstand. Den lagdeling av global helse Poengsummen ble bestemt
a priori
. En lav global helse poengsum samsvarer med verdiene som var nesten to standardavvik under den generelle befolkningen mener poengsum (~ 45). En høy global helse poengsum samsvarer med generelle befolkningsgjennomsnittsskår (75) eller høyere [20]. Pasienter med score 66.67 ble definert som høy; lav ≤ 33,33; mediet varierte fra 33,33 til og med 66,67 [3]. Av de demografiske variablene som brukes i denne analysen, bare alder ved diagnose var kontinuerlig. Decision tre algoritmer ble parametriseres å imøtekomme typen for hver variabel (for eksempel kontinuerlig, kategorisk, etc.).
Generering av et beslutningstre
beslutningstrær (ofte kalt Klassifisering og regresjon Trees-CART ) kan brukes i multivariate analyser hvor de underliggende fordelinger av data er ukjent eller ikke-normal og variablene er kategorisk [16]. Decision tre algoritmer søke i hele datasettet for å identifisere den mest forutsigbare variabel tilgjengelig i forhold til målet variable (for eksempel global helse). Algoritmen beregner den optimale verdien av at forgrening variabelen til bifurcate data og maksimere klassifisering nøyaktighet. Denne prosessen gjentas rekursivt på hver delt datasett inntil dataene ikke lenger er splittet og en terminal node blir generert for å klassifisere data i denne gren.
Denne algoritmen som brukes Gini koeffisienter for å beregne de beste delinger for hver grennode i et gitt tre [14,21]. Nøyaktigheten av et gitt tre (en godhet-of-fit tiltak) ble beregnet ved å løpe en pasient-nivå data rekord gjennom grenene på treet til en terminal, ble løvnode nådd og en klassifikasjon tilordnet. Prosentandelen av pasienter korrekt klassifisert ble beregnet for hele datasettet.
For å sikre algoritmen ikke generere en avgjørelse tre som var altfor spesifikke for en gitt datasett (dvs. ofre generalisering), en teknikk som kalles 10- fold kryssvalidering ble anvendt. Før et tre ble generert, ble en datasettet tilfeldig inndelt i 10 like store delmengder. Algoritmen som brukes de første ni undergrupper for å generere et tre og den holdes ut satt for å validere nøyaktigheten av treet. Kryssvalideringsteknikk rotert denne prosessen gjennom hver av de resterende ni undergrupper for totalt ti iterasjoner. Snarere enn å velge den mest nøyaktige treet fra gruppen, ble en kompositt tre opprettet fra de 10 som følge trærne [22]. Det siste trinnet (beskjæring) redusert størrelsen på treet ved å fjerne grenene på treet som ga liten eller ingen forbedring i prediktiv nøyaktighet. Beskjæring reduserer muligheten for over-beslag, som kan være på grunn av tilstedeværelsen av utliggere i treningsdataene. Dette gjør treet mindre og enklere å generere regelsett. Denne komplette prosessen kjøres for hver klinisk undergruppe testet.
Hvordan lese et beslutningstre
Figur 2 er et eksempel på et beslutningstre generert ved hjelp av de nylig diagnostiserte pasienter og 3 viser en eksempel generert ved hjelp nydiagnostisert stadium 4 pasienter fra dette datasettet. På figur 2, er tretthet rotnoden, noe som betyr at av alle pasientdatapunktene som ble studert, tretthet klassifisert global helse mest nøyaktig hvis ingen tilleggsinformasjon hadde vært tilgjengelig. Klippepunktet for tretthet på rotnoden er 27,78. Hvis en gitt pasient hadde en trøtthet score ≥ 27,78, deretter høyre gren ville bli krysset, og den gjentas med neste node til en klassifisering av global helse prosessen kan gjøres på en terminal eller bladnode. For eksempel, hvis en pasient har en tretthet poengsum 27.78, og pasienten er klassifisert til å ha høy global helse med ingen tilleggsinformasjon nødvendig. En variabel kan velges flere ganger som et forgrenings node fordi ulike verdier av den variable, i sammenheng med de verdier av tidligere valgte variabler, kan inneholde mer informasjon i forhold til andre variabler i det delsettet. I figur 3, er rollen funksjon rotnoden med et kutt poeng av 75.
Å forutsi pasientens global helse nivå, starter på rotnoden (øverst oval), krysse grenene-avhengig av de konkrete verdier av individuelle pasientdata-og komme til en bladnode (rektangel). Bladnoden er prediksjon av lav, middels eller høy global helse for pasienten. Baner reiste fra rotnoden til hvert blad node kan omarbeidet som en betinget regelsett liste driverne av globale helsenivåene.
Dette treet har rollen funksjon som rotnoden (første splitt) og tretthet og smerte som neste splittelse. «N» i hver node representerer antall pasienter.
Klassifisering noder er terminal noder som ikke delt videre. Klassifiseringen nøyaktighet for et tre er en indikasjon på hvor mye av strukturen i datasettet treet har fanget. Ved å gå gjennom grener av et beslutningstre, og starter med rotnoden og ender i en klassifisering node, kan sett med betingede regler identifiseres og omarbeidet i kliniske termer.
Resultater
demografisk
kreftregistre identifisert 23,783 potensielle deltakere som 12357 enige om å fullføre instrumentet foregående innledende klinisk konsultasjon på to CTCA regionale medisinske sentre mellom januar 2001 og desember 2009. 11,469 pasienter returnerte spørreskjemaet. Antallet respondenter som gjennomgikk behandling på CTCA og fullførte livskvalitet vurdering var 8478 pasienter. Demografi av deltakere (Tabell 1) ble sammenlignet med ikke-deltakere, og ble funnet å være lik i tidligere forskning [23].
Denne studien inkluderte pasienter fra alle faser av naturlige historie diagnostisert sykdom (tabell 1). Pasientene hadde en tendens til å være relativt ung for kreftpasienter, med et flertall av deltakerne er kvinner (n = 4505; 56%). Nesten to tredjedeler (65%) av disse pasientene hadde sykdom med opprinnelse i lunge, bryst, tykktarm og endetarm, prostata, eller bukspyttkjertel. Denne pasientgruppen var forutinntatt mot pasienter som hadde tilbakefall av sykdommen. Av de pasienter med nylig diagnostisert sykdom, over halvparten hadde stadium 3 eller 4 sykdom (55%).
Globale helse score ble distribuert som lav (23%), Medium (43%) og høy (34 %) klasser. Tabell 2 sammenligner livskvalitet domene score til to prognostisk forskjellige kohorter i studiepopulasjonen til en generell befolkning kohort [20].
Decision Tre
Pasientpopulasjonen ble stratifisert i klinisk sub -groups av området av opprinnelse, nydiagnostisert /tilbakefall, og AJCC scenen for den nylig diagnostisert. Hver datadelsettet ble brukt til å generere et beslutningstre som representerer den kliniske undergruppen. Symptomet og fungerende vekter som var til stede i hvert tre som forgreningsnoder er oppsummert i tabell 3. Figurene 2 og 3 er eksempler på beslutningstrær generert fra et nylig diagnostisert kohort og en nylig diagnostisert stadium 4 kohort, respektivt. Nodene som vises i hvert tre (rad) indikerer at livskvalitet skalaen (kolonne) ble anvendt for å klassifisere nivået for global helse for pasienter i den kliniske undergruppen. N representerer antall pasienter i hver node. Enhver node som dukket opp i minst ett tre ble tatt med i tabell 3 som en kolonne.
De to QoL skalaer som ble oftest funnet å klassifisere global helse var tretthet og sosial fungering. Tretthet ble inkludert i hver beslutning treet bortsett fra én. Klassifiseringsnøyaktig varierte 62,3 til 74,5%. Rotnoden for hvert tre indikert EORTC QLQ-C30-domene som er valgt ved hjelp av algoritmen i løpet av hele datasettet som inneholder mest mulig informasjon om global helse nivå; klippepunktet for rotnoden var verdien av den variable beregnet til optimalt splitte dataene. Trøtthet var rotnoden i 16 av de 23 trærne. Variabler som ikke er valgt av algoritmen for enhver pasient undergruppe var kvalme /oppkast, dyspné, forstoppelse, diaré, økonomiske problemer, alder ved diagnose og stadium.
Diskusjoner
Dette multivariat analyse ble gjennomført over uensartet kliniske undergrupper for å identifisere QoL domener som hadde relativt høye nivåer av avtale med samlede globale helsenivåene. Studien kohort var sammensatt av deltakerne som prognose varierte fra helbredelig til hospice bundet og fra nydiagnostisert til pasienter som allerede hadde gjennomgått flere linjer med kjemoterapi. Likevel, alle disse pasientene var fortsatt søker behandling. I denne klinisk heterogen gruppe, den primære driveren for global helse var tretthet. Når pasienter ble ytterligere subcategorized av området av opprinnelse eller svulst scenen, forble tretthet den dominerende driveren for global helse på tvers av undergrupper.
Denne analysen ble tilrettelagt ved bruk av beslutningstrær. De er lette å forstå og tolke, og således har visse fordeler i forhold til vanlig anvendte metoder biostatistikk. Et tre genererer et sett med betingede regler som kan visualiseres eller skrives ut. I motsetning til andre metoder for analyse, har beslutningstrær ikke avhengig av de variable for å følge en hvilken som helst form for definert, statistisk fordeling. Variablene kan være en kombinasjon av kontinuerlige og kategoriske verdier. Beslutningstrær er robuste som de ikke er så påvirket av uteliggere. Enhver avvik skulle grupperes i en node, og således ville ha liten eller ingen effekt på splitting noder og kuttet punkter. Beslutningstrær kan arbeide med svært mange variabler, som er en ekstra fordel med denne metoden [14].
I denne analysen global helse ble kategorisert som lav, middels eller høy ved forankring disse verdiene til innrapporterte data i generelle befolkningsundersøkelser. Denne inndelingen ble gjort for å ramme analysen i klinisk intuitive vilkår; lav score-verdier som var nesten to standardavvik under den generelle befolkningen mener score (~ 45); høy score-befolkningen mener score (75) eller over [20].
Fatigue ble identifisert i hver avgjørelse tre, som representerer 23 kliniske undergrupper, men ett nylig diagnostisert lunge. Det var rotnoden for 16/23 pasientgrupper. Ingen andre symptom element fremsto som rotnoden. Av de åtte andre symptom domener i EORTC QLQ-C30, ble bare smerte, tap av appetitt og søvnløshet (i ett tre) som brukes til å klassifisere global helse nivå. I noen trær, algoritmen valgt utmatting som en node flere ganger. Den dominerende faktor for global helse som er identifisert av vedtaket treet algoritmen var tretthet. Disse funnene utvide tidligere funn som rapporterer trøtthet som føreren av global helse [24,25]. Dette betyr at hvis en kliniker kan bare stille ett spørsmål til en pasient i et forsøk på å oppdage deres globale helse nivå, så ville de be pasienten om å rapportere sine tretthet nivå.
Verdien av dette funnet ble understreket av fremveksten av tretthet i ulike pasientsituasjoner. Rollen til utmattelse var uavhengig av området av opprinnelse, stadium av sykdommen, og stadium av behandlingen. Ved å dekonstruere de beslutningstrær i regelsett, bestemte cutpoints der tretthet er en beslutning node identifiserer kontekstspesifikke områder av trøtthet nivåer. I tilfeller der tretthet var en rotnoden, pasienter med avansert sykdom tendens til å ha høyere cutpoints (nydiagnostisert-27,8 vs tilbakevend-38.9), noe som indikerer den avanserte pasienten var mer utmattet. For hele studiekohorten imidlertid skjæringspunkt av tretthet var nær normale generelle befolkningsnivå (27,8 vs 24,1). Dette tyder på at kreftpasienter med forhøyede nivåer av trøtthet kan forbedre den generelle livskvaliteten, hvis gitt klinisk oppmerksomhet for tretthet.
Fatigue som en klinisk symptom er fortsatt en kompleks pasient funksjonen. Bevis eksisterer som flere underliggende biologiske mekanismer (for eksempel depresjon, søvnløshet, forstyrrelser av døgnrytmen, og forstyrrelser i biologiske system funksjon), selvstendig eller i kombinasjon, kan vise forhøyede trøtthet nivåer [7,26,27]. Erkjennelsen viktigheten av tretthet som en driver av samlede globale helse nivåer over kreftpasienter med ulike diagnoser, stadier av sykdom og behandling historier er et første skritt i å fremme forståelse av disse grunnleggende årsakene [28,29].
I tillegg til trøtthet, andre QoL domener som spådd generell livskvalitet konsekvent på tvers av pasient undergrupper var sosial, rolle (arbeidsrelatert) og fysisk funksjon. Mindre vanlige, men relevante prediktive symptomer for visse undergrupper av pasienter inkludert appetitt tap, smerte og søvnløshet. Mer vanlige allmenne symptomer som smerte og kvalme, som sees ofte hos kreftpasienter kan forventes å kjøre pasienten opplevelse av livskvalitet. At dette ikke er tilfelle i den foreliggende undersøkelsen kan gjenspeile en sterkt forbedret evne til å kontrollere slike symptomer med den nyere generasjon av smerte og antiemetiske medikamenter. Således er kontroll av smerte og kvalme ved anvendelse av de beste praksis retningslinjer forventet for de aller fleste av pasientene i denne studien, uavhengig av tidligere behandling. Dessverre, symptomer som tretthet har ennå ikke tilstrekkelig kontrollert i de fleste pasientene.
I tillegg fremveksten av trøtthet kjøring generelle livskvalitet tett fulgt av viktigheten av funksjonelle status domener, kombinert med den relative mangelen på observasjon over vanlig rapporterte symptomer som sjåfører, kan på noen måter forsterke Wilson Cleary modellen som funksjonell status driver direkte generelle livskvalitet og kan også foreslå en mer kompleks tolkning som trøtthet er noe mer enn en akutt, klinisk symptom. Elementene fra EORTC undersøkelsen som ikke ble valgt av algoritmen for noen undergrupper av pasienter var symptom elementer kvalme /brekninger, dyspné, forstoppelse, diaré og økonomiske problemer. De demografiske og kliniske variabler som alder ved diagnose, kjønn og stadium ble ikke identifisert som prediktiv for global helse ved algoritmen for noen undergrupper av pasienter. Det bør ikke utledes at pasienten variabler som ikke ble brukt til å klassifisere globale helsenivåer hos pasienter var ikke en indikasjon på pasientens livskvalitet i det hele tatt og heller ikke at de ikke ble rapportert som tilstede i pasienter. Snarere hver forgrening node som ble utvalgt ved hjelp av algoritmen som skal inkluderes i trestrukturen ble bestemt til å inneholde mest mulig informasjon over alle andre variabler, gitt at setter pasienter. Selv om scenen er en kraftig prediktor for varigheten av pasientens overlevelse, i denne pasient kohort fasen av svulsten ble ikke funnet å være en pådriver for generell livskvalitet, som er et overraskende funn i verden av onkologi [2].
Denne studien er begrenset av det faktum at ulike datapunkter som kan være relevante var utilgjengelig på tidspunktet for undersøkelsen (spesifikke behandlings historier, tid fra diagnose, komorbide tilstander, funksjonsnivå og andre kreftspesifikke QoL domener som perifer neuropati) [30 ]. Disse resultatene bekrefter den potensielle verdien av inkludering av et spørsmål om tretthet i en livskvalitet verktøy som samfunnet onkologer kan rutinemessig bruker i sin behandling av pasienter [31]. Resultatene understreker også viktigheten av å identifisere de biologiske veier som direkte eller indirekte påvirker pasientens opplevelse av trøtthet; fremtidige undersøkelser bør inkludere data om biologiske mekanismer (for eksempel benmargssuppresjon, røde blodlegemer, depresjon, nedbrytende døgnrytme, etc.) som er involvert i regulering trøtthet [5,6,26,29].
Konklusjon
Etter stratifisering en stor pasient database til tjuetre klinisk relevante undergrupper, tretthet var den mest identifisert domenet som brukes til å klassifisere globale helsenivåene. Det er uklart om tretthet er en proxy variabel for global helse, en direkte driver med det, eller en driver av fungerende domener som i sin tur driver global helse. Resultatene av denne analysen støtter Wilson Cleary teorien om livskvalitet, men kan også støtte andre teoretiske modeller.
bekreftelser
Alle forfatterne var involvert i utformingen av studien, innsamling, forvaltning, analyse og tolkning av data, og forberedelse, gjennomgang og godkjenning av manuskriptet. Forfatterne hevder at det ikke er noen interessekonflikter. Studien ble godkjent av Midwestern Regional Medical Center Institutional Review Board.
