基于人口统计,临床特征和癌症相关症状的患者群:一个横截面试点研究
Greta Ghizzardi1, Stefano Maiandi1, Donatella Vasaturo1
1ASST Lodi, Lodi, Italy.
概括
这项研究确定了癌症护理中的两个不同的患者群:高和低的症状负担. 结果为未来的癌症研究集群分析提供了样本大小需求.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 患者的分层是患者的分层.
背景情况:
- 在瘤学中,识别不同的患者群体对于个性化护理至关重要.
- 了解患者的异质性可以提高治疗疗效和症状管理.
- 试点研究对于为更大规模的临床试验设计提供信息至关重要.
研究的目的:
- 根据人口统计,临床特征和症状,识别和验证癌症中不同的患者群.
- 确定癌症研究中未来集群分析的样本大小要求.
- 为样本大小计算提供初步数据,以实现集群识别中的80%功率.
主要方法:
- 这是一项针对114名癌症患者的横截面试验研究.
- 使用t-分布式随机邻居嵌入 (t-SNE) 进行数据缩小和沃德的集群方法.
- 采用蒙特卡洛模拟来估计集群验证的样本大小.
主要成果:
- 确定了两个不同的集群:较高的症状负担和较低的症状负担.
- 高症状负担集群显示,抑郁症,焦虑症和嗜睡症的患病率增加.
- 样本大小估计:50个患者/集群为k=2,90个为k=3,120个为k=4以达到80%的功率.
结论:
- 在癌症护理中确定了不同的患者群.
- 提供了用于集群分析的初步样本大小估计.
- 研究结果支持为改善瘤护理中的症状管理提供量身定制的干预措施.
关键词:
与癌症相关的症状与癌症相关的症状.层次化的集群化 层次化的集群化蒙特卡洛模拟的蒙特卡洛模拟护理实践的护理实践患者集群 患者集群患者子组 患者子组以个人为中心的分析分析.动力分析 动力分析这就是T-SNENE.更多相关视频
相关概念视频
01:21Cancer Survival Analysis
324
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
324
02:20Longitudinal Research
11.8K
Sometimes we want to see how people change over time, as in studies of human development and lifespan. When we test the same group of individuals repeatedly over an extended period of time, we are conducting longitudinal research. Longitudinal research is a research design in which data-gathering is administered repeatedly over an extended period of time. For example, we may survey a group of individuals about their dietary habits at age 20, retest them a decade later at age 30, and then again...
11.8K