Mengidentifikasi pasien yang lebih tua dengan kanker stadium lanjut yang memiliki risiko tinggi untuk rawat inap dan kematian bisa menjadi pengubah permainan. Sebuah analisis baru menunjukkan bahwa tujuan berada dalam jangkauan.
Dengan menggunakan algoritme pembelajaran mesin tanpa pengawasan, para peneliti menemukan bahwa tingkat keparahan gejala awal pasien dikaitkan dengan risiko rawat inap dan kematian yang tidak direncanakan setelah memulai pengobatan.
Dibandingkan dengan pasien dalam kelompok keparahan gejala terendah, mereka yang berada di kelompok keparahan sedang memiliki kemungkinan 36% lebih besar untuk dirawat di rumah sakit dan risiko kematian 31% lebih besar, sedangkan mereka yang berada di kelompok keparahan tinggi memiliki risiko kematian dua kali lipat lebih tinggi. .
Secara keseluruhan, temuan menunjukkan bahwa tingkat keparahan gejala awal sedang hingga berat secara independen terkait dengan semua penyebab kematian pada populasi pasien ini, penulis, yang dipimpin oleh Huiwen Xu, PhD, MHA, dari University of Texas Medical Branch, Galveston, menyimpulkan. .
Menilai “beban gejala sebelum memulai pengobatan memberikan informasi prognostik yang berguna secara klinis untuk pengambilan keputusan pengobatan di antara orang dewasa yang lebih tua,” kata Xu dan rekannya.
Temuan ini dipublikasikan secara online bulan lalu di JAMA Network Open.
Hasil yang dilaporkan pasien semakin banyak digunakan untuk mengidentifikasi dan mengelola beban gejala pasien, upaya yang dapat meningkatkan kualitas hidup pasien dan mengurangi kunjungan ke unit gawat darurat.
Mengingat berbagai kemungkinan gejala, pembelajaran mesin dapat menjadi alat yang berguna untuk memandu stratifikasi risiko dan membantu profesional kesehatan mengidentifikasi pasien yang berisiko tinggi untuk rawat inap dan kematian sebelum memulai perawatan.
Analisis ini mencakup data dari pasien yang menyelesaikan versi National Cancer Institute Patient-Reported Outcomes dari Common Terminology Criteria for Adverse Events (PRO-CTCAE) sebelum memulai rejimen pengobatan baru mereka. Algoritme mengelompokkan pasien berdasarkan keparahan gejala awal yang serupa. Keparahan gejala dinilai dari 0 sampai 4 — yang berhubungan dengan tidak ada gejala, ringan, sedang, berat, dan sangat berat — dan skor keparahan total dihitung sebagai jumlah dari 24 item (kisaran skor keseluruhan, 0-96).
Data dari 706 orang dewasa yang lebih tua dimasukkan; usia rata-rata pasien adalah 77,2 tahun, lebih dari setengahnya adalah laki-laki, dan hampir 90% adalah kulit putih non-Hispanik. Sekitar 35% pasien menderita kanker gastrointestinal, dan 25% menderita kanker paru-paru.
Algoritme mengklasifikasikan 310 pasien dalam kelompok dengan tingkat keparahan rendah (43,9%), 295 pada kelompok dengan tingkat keparahan sedang (41,8%), dan 101 (14,3%) pada kelompok dengan tingkat keparahan tinggi. Skor rata-rata adalah 6,3 pada kelompok rendah, 16,6 pada kelompok sedang, dan 29,8 pada kelompok tinggi.
Dibandingkan dengan pasien dalam klaster keparahan rendah, mereka yang berada dalam klaster keparahan sedang secara signifikan lebih mungkin mengalami rawat inap (rasio risiko yang disesuaikan [RR], 1,36, P = 0,046), tetapi tidak pada cluster dengan tingkat keparahan tinggi (RR yang disesuaikan, 1,44; 95% CI, 0,99 – 2,10; P = 0,05). Pasien di semua kelompok memiliki risiko yang sama untuk efek toksik.
Tetapi dibandingkan dengan pasien dalam klaster tingkat keparahan rendah, mereka yang berada dalam klaster tingkat keparahan sedang dan tinggi memiliki risiko kematian yang jauh lebih tinggi (HR, 1,31; P = 0,04 dan HR, 2,00; P <.001, masing-masing) , setelah mengendalikan variabel sosiodemografi, faktor klinis, kelompok studi, dan tempat praktik.
Dimasukkannya alat penilaian yang berpusat pada pasien dalam praktik klinis “dapat membantu dokter dalam pengambilan keputusan pengobatan dan rekomendasi perawatan suportif,” para penulis menyimpulkan. “Selain itu, algoritme pembelajaran mesin dapat mengidentifikasi pasien dengan kanker stadium lanjut yang berisiko lebih tinggi terhadap tolerabilitas pengobatan yang buruk dan kematian jangka pendek,” tetapi studi tambahan pada populasi pasien yang lebih beragam dan melibatkan perawatan lain selain kemoterapi diperlukan.
Dalam komentar yang diundang, Carolyn J. Presley, MD, menyatakan bahwa memprediksi tolerabilitas pengobatan di antara orang dewasa yang lebih tua dengan kanker stadium lanjut adalah “cawan suci”.
“Memperkirakan tolerabilitas perawatan kanker adalah kebutuhan lanjutan yang tidak terpenuhi di antara orang dewasa yang lebih tua dengan kanker stadium lanjut,” tulis Presley, dari Pusat Kanker Komprehensif Universitas Negeri Ohio, Columbus. “Ketidakpastian tolerabilitas di antara orang dewasa yang lebih tua dapat menyebabkan pengobatan yang kurang baik dan pengobatan yang berlebihan setelah diagnosis kanker baru. Memahami siapa yang akan mengalami efek samping terkait pengobatan sangatlah penting, karena jumlah obat kanker baru meningkat dengan cepat.”
Studi ini didukung oleh hibah dari National Cancer Institute dan National Institute on Aging. Xu, rekan penulis studi, dan editor Presley melaporkan tidak ada hubungan keuangan yang relevan.
Jaringan JAMA Terbuka. Diterbitkan online 22 Maret 2023. Teks lengkap, Editorial
Sharon Worcester, MA, adalah jurnalis medis pemenang penghargaan yang tinggal di Birmingham, Alabama, menulis untuk Medscape, MDedge, dan situs afiliasi lainnya. Dia saat ini meliput onkologi, tetapi dia juga menulis tentang berbagai spesialisasi medis dan topik perawatan kesehatan lainnya. Dia bisa dihubungi di [email protected] atau di Twitter: @SW_MedReporter
Untuk lebih banyak dari Onkologi Medscape, bergabunglah dengan kami di Twitter dan Facebook