Statistical analysesWe used t test,

Statistical analyses
We used t test, χ2, and Fisher’s exact statistics, as appropriate,
to test for significant associations between patients’ baseline
characteristics and the receipt of chemotherapy at study
enrollment. We used multiple imputation to impute missing
data for items other than the dependent variables (for which no
data were missing in our cohort)26; item non-response was less
than 14% for all variables.
We used propensity score analyses to assess the association
between patients who were or were not receiving chemotherapy
at the time of enrollment.27 To do the propensity score analysis,
we first used logistic regression to assess the association of all
measured demographic, clinical, psychosocial, and institutional
characteristics with being treated with chemotherapy at baseline.
The model included age, sex, marital status, insurance status,
education, race/ethnicity, religion, institution, cancer type,
Karnofsky and ECOG scores, Charlson Comorbidity Index,
McGill Quality of Life Index subscales, patients’ treatment
preferences and advance care planning, terminal illness
acknowledgment, therapeutic alliance with physicians, end of
life discussions, and coping styles. For each patient, we used
the regression coefficients and the observed covariates to
calculate the propensity to receive chemotherapy at study
enrollment and derived individual weights equal to the
probability of belonging to the opposite group (that is, not
receiving chemotherapy).11 28 Thus, after propensity adjustment
the weighted distribution of characteristics in both groups were
balanced. We then used a generalized linear regression model
with an identity link function and a binomial distribution, witthe propensity weighted cohorts, to estimate the association of
chemotherapy with binary outcomes (for example,
cardiopulmonary resuscitation and/or mechanical ventilation).
Our events were rare, so we calculated and reported our results
as adjusted risk differences as odds ratios may exaggerate the
actual risk. We did a sensitivity analysis to examine the effect
of excluding covariates that might change over time (Karnofsky
score, ECOG score, McGill Quality of Life scales, treatment
preferences, and terminal illness awareness), as the exact date
of starting palliative chemotherapy was not ascertained during
the baseline assessment. We used Cox proportional hazard
models to compare the overall survival of patients who were
receiving palliative chemotherapy with those who were not,
with adjustment for propensity weights.
We used SOLAS for Missing Data Analysis version 4.0 for
multiple imputation and SAS version 9.2 for statistical analyses.
We present two sided P values without adjustment for multiple
comparisons; we considered P

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติ
เราใช้ทดสอบ t, χ2 และ สถิติของ Fisher แน่นอน ตามความเหมาะสม,
เพื่อทดสอบการเชื่อมโยงที่สำคัญระหว่างผู้ป่วยพื้นฐาน
ลักษณะและรับเคมีบำบัดที่ศึกษา
ลงทะเบียน เราใช้ imputation หลาย impute ขาด
ข้อมูลสำหรับสินค้าอื่น ๆ ที่ไม่ขึ้นอยู่กับตัวแปร (สำหรับที่ไม่มี
ข้อมูลได้หายไปใน cohort ของเรา) 26 ไม่ใช่สินค้าผลตอบรับน้อย
กว่า 14% สำหรับตัวแปรทั้งหมด
เราใช้สิ่งวิเคราะห์คะแนนในการประเมินความสัมพันธ์
ระหว่างผู้ป่วยที่มี หรือได้รับเคมีบำบัด
เวลา enrollment.27 การวิเคราะห์คะแนนสิ่ง,
เราก่อนใช้การถดถอยโลจิสติกเพื่อประเมินความสัมพันธ์ทั้งหมด
วัดประชากร คลินิก psychosocial และสถาบัน
ลักษณะ ด้วยการรักษาด้วยเคมีบำบัดที่พื้นฐาน
แบบรวมอายุ เพศ สถานภาพการสมรส สถานะการประกัน,
ศึกษา การแข่งขัน/เชื้อชาติ ศาสนา สถาบัน ชนิดของมะเร็ง,
Karnofsky และ ECOG คะแนน Charlson Comorbidity ดัชนี,
subscales McGill ดัชนีคุณภาพชีวิต การรักษาผู้ป่วย
ลักษณะล่วงหน้ามาวาง เทอร์มินัลเจ็บ
ยอมรับ พันธมิตรรักษากับแพทย์ สิ้น
ชีวิตสนทนา และเผชิญกับลักษณะการ สำหรับผู้ป่วยแต่ละ เราใช้
สัมประสิทธิ์ถดถอยและ covariates สังเกตการ
คำนวณสิ่งได้รับเคมีบำบัดที่ศึกษา
ลงทะเบียนและน้ำหนักแต่ละรายการได้รับเท่ากับ
น่าเป็นสมาชิกของกลุ่มตรงกันข้าม (คือ ไม่
รับเคมีบำบัด) .11 28 ดังนี้ หลังการปรับปรุงสิ่ง
การกระจายน้ำหนักของลักษณะทั้งสองถูก
สมดุล เราใช้แบบจำลองถดถอยเชิงเส้นเมจแบบทั่วไป
ด้วยฟังก์ชันการเชื่อมโยงตัวตนและการแจกแจงทวินาม witthe สิ่งถ่วงน้ำหนัก cohorts ประเมินสมาคม
เคมีบำบัด มีผลไบนารี (เช่น,
ผายปอดหรือระบายอากาศเครื่องจักรกล)
กิจกรรมของเราได้ยาก ดังนั้นเราคำนวณ และรายงานผลของเรา
ความแตกต่างความเสี่ยงที่ปรับปรุง ตามอัตราส่วนราคาต่อรองอาจโอ้อวดการ
ความเสี่ยงที่แท้จริง เราทำการวิเคราะห์ความไวในการตรวจสอบผล
ของรวม covariates ที่อาจเปลี่ยนแปลงเวลา (Karnofsky
คะแนน คะแนน ECOG, McGill คุณภาพชีวิตสมดุล รักษา
กำหนดลักษณะ และความเจ็บป่วยที่เทอร์มินัล), เป็นวันแน่นอน
การเริ่มเคมีบำบัด palliative ถูกไม่ ascertained ระหว่าง
ประเมินพื้นฐาน เราใช้ค็อกซ์สัดส่วนอันตราย
รุ่นเพื่อเปรียบเทียบความอยู่รอดโดยรวมของผู้ป่วยที่
รับเคมีบำบัด palliative กับผู้ที่ไม่ได้,
มีการปรับปรุงสำหรับน้ำหนักสิ่ง.
เราใช้ SOLAS ขาดการวิเคราะห์ข้อมูลรุ่น 4.0 สำหรับ
imputation หลายและ SAS รุ่น 92 การวิเคราะห์ทางสถิติ
เรานำค่า P สองหน้าไม่ มีปรับปรุงหลาย
เปรียบเทียบ เราถือว่า P < 0.05 เป็นสำคัญ

ผลลัพธ์ (ไทย) 2:

สถิติวิเคราะห์
เราใช้ทดสอบ T, χ2และแน่นอนสถิติฟิชเชอร์ตามความเหมาะสม
เพื่อทดสอบความสัมพันธ์ที่สำคัญระหว่างพื้นฐานของผู้ป่วย
และลักษณะของยาเคมีบำบัดที่ได้รับการศึกษาที่
ลงทะเบียนเรียน เราใช้การกล่าวหาหลายกล่าวหาหายไป
ข้อมูลสำหรับรายการอื่นนอกเหนือจากที่ขึ้นอยู่กับตัวแปร (ซึ่งไม่มี
ข้อมูลที่หายไปในหมู่คนของเรา) 26; รายการที่ตอบสนองที่ไม่ได้น้อย
กว่า 14% สำหรับตัวแปรทั้งหมด
เราใช้คะแนนนิสัยชอบการวิเคราะห์เพื่อประเมินความสัมพันธ์
ระหว่างผู้ป่วยที่ได้รับหรือไม่ได้รับยาเคมีบำบัด
ในช่วงเวลาของการทำ enrollment.27 วิเคราะห์แนวโน้มคะแนน,
ครั้งแรกที่เราใช้การถดถอยโลจิสติก เพื่อประเมินความสัมพันธ์ของทุก
ด้านประชากรคลินิกจิตสังคมและสถาบันการวัด
ลักษณะที่มีการรับการรักษาด้วยยาเคมีบำบัดที่ baseline
แบบรวมอายุเพศสถานภาพสมรสสถานะการประกัน
การศึกษา / เชื้อชาติศาสนาสถาบันการศึกษาประเภทมะเร็ง
Karnofsky และ ECOG คะแนน Charlson comorbidity ดัชนี
กิคุณภาพชีวิตดัชนี subscales การรักษาผู้ป่วยที่
ต้องการการดูแลและการวางแผนล่วงหน้าขั้วเจ็บป่วย
รับพันธมิตรการรักษากับแพทย์ในตอนท้ายของ
การอภิปรายชีวิตและรูปแบบการจัดการ สำหรับผู้ป่วยแต่ละเราใช้
ค่าสัมประสิทธิ์การถดถอยและตัวแปรสังเกตการ
คำนวณแนวโน้มที่จะได้รับการรักษาด้วยเคมีบำบัดที่ศึกษา
การลงทะเบียนเรียนและได้รับน้ำหนักบุคคลเท่ากับ
ความน่าจะเป็นของกลุ่มตรงข้าม (คือไม่
ได้รับการรักษาด้วยเคมีบำบัด) 0.11 28 ดังนั้น หลังจากการปรับแนวโน้ม
การกระจายน้ำหนักของลักษณะทั้งสองกลุ่มได้รับ
ความสมดุล จากนั้นเราจะใช้รูปแบบการถดถอยเชิงเส้นทั่วไป
ด้วยฟังก์ชั่นการเชื่อมโยงตัวตนและการกระจายทวินามนิสัยชอบ witthe น้ำหนักผองเพื่อนเพื่อประเมินความสัมพันธ์ของ
ยาเคมีบำบัดกับผลไบนารี (เช่น
การช่วยฟื้นคืนชีพและ / หรือการใช้เครื่องช่วยหายใจ)
เหตุการณ์ที่เกิดขึ้นเราก็หายาก ดังนั้นเราจึงมีการคำนวณและรายงานผลของเรา
ในขณะที่ความแตกต่างของความเสี่ยงที่ปรับเปลี่ยนได้ตามอัตราส่วนราคาต่อรองอาจจะพูดเกินจริง
ความเสี่ยงที่เกิดขึ้นจริง เราได้วิเคราะห์ความไวในการตรวจสอบผลกระทบ
ของการรวมตัวแปรที่อาจมีการเปลี่ยนแปลงในช่วงเวลา (Karnofsky
คะแนน, คะแนน ECOG, กิลคุณภาพของเกล็ดชีวิตการรักษา
ค่าและความตระหนักป่วยไข้) เป็นวันที่ที่แน่นอน
ของการเริ่มต้นรักษาด้วยเคมีบำบัดแบบประคับประคองไม่แน่ใจ ในระหว่าง
การประเมินพื้นฐาน เราใช้ Cox อันตรายสัดส่วน
รูปแบบเพื่อเปรียบเทียบการอยู่รอดโดยรวมของผู้ป่วยที่ได้
รับยาเคมีบำบัดผ่อนคลายกับผู้ที่ไม่ได้
มีการปรับน้ำหนักนิสัยชอบ
เราใช้ SOLAS หายวิเคราะห์ข้อมูลรุ่น 4.0 เพื่อ
การกล่าวหาหลายและ SAS รุ่น 9.2 การวิเคราะห์ทางสถิติ
เรานำเสนอสองค่า P ด้านโดยไม่ต้องปรับหลาย
เปรียบเทียบ; เราถือว่า P <0.05 ที่จะมีความสำคัญ

ผลลัพธ์ (ไทย) 3:

สถิติที่ใช้ในการวิเคราะห์
เราใช้ t-test , χ 2 และ Fisher ' s แน่นอนสถิติตามความเหมาะสม
ทดสอบสมาคมอย่างมีนัยสำคัญระหว่างผู้ป่วยพื้นฐาน
ลักษณะและใบเสร็จของเคมีบำบัดที่ลงทะเบียนศึกษา

เราใช้หลาย ๆส่วนบุคคลที่จะใส่ความคิดถึง
ข้อมูลสำหรับรายการอื่น ๆนอกจากตัวแปร ( ที่ไม่มี
ข้อมูลขาดหายในเพื่อนร่วมงานของเรา ) 26 ; การตอบสนองไม่ใช่น้อย
รายการกว่า 14% สำหรับตัวแปรทั้งหมด .
เราใช้คะแนนความโน้มเอียงการวิเคราะห์เพื่อประเมินความสัมพันธ์ระหว่างผู้ป่วยหรือ

ไม่รับเคมีบำบัดในเวลา enrollment.27 ทำความโน้มเอียงคะแนนการวิเคราะห์
เราใช้ Logistic Regression ประเมินของสมาคมทั้งหมด
วัดทางคลินิก จิตสังคม และสถาบัน
ลักษณะการรับการรักษาด้วยเคมีบำบัดที่ 0 .
รูปแบบ ได้แก่ อายุ เพศ สถานภาพสมรส สถานภาพ การศึกษา ประกันภัย
เชื้อชาติ / ชาติพันธุ์ ศาสนา สถาบัน ชนิดของมะเร็ง และบริจาคค่าพยากรณ์ ที่มีคะแนน

charlson , กฤษณา , กิลโดยดัชนีคุณภาพของชีวิตของผู้ป่วย การรักษา
ความชอบและดูแลวางแผนล่วงหน้า การเจ็บป่วย terminal
, ,พันธมิตรการรักษากับแพทย์ จบ
สนทนาชีวิตและวิถีการปรับแก้ . สำหรับผู้ป่วยแต่ละคน เราใช้สัมประสิทธิ์ถดถอยและสังเกต


ความรู้การคำนวณความโน้มเอียงได้รับเคมีบำบัดในการลงทะเบียนศึกษา และน้ำหนักเท่ากับที่ได้มาแต่ละคน

ความน่าจะเป็นของที่เป็นของกลุ่มตรงข้าม ( คือไม่ได้
ได้รับเคมีบำบัด ) 11 28 ดังนั้นหลังจากการปรับการกระจายน้ำหนักของความโน้มเอียง

ในทั้งสองกลุ่มมีลักษณะที่สมดุล เราก็ใช้ตัวแบบการถดถอยเชิงเส้นทั่วไป
เป็นเอกลักษณ์และการเชื่อมโยงฟังก์ชันการแจกแจงทวินาม witthe ความโน้มเอียงถ่วงน้ำหนัก , ไทย , ประมาณการสมาคม
เคมีบำบัดกับผลลัพธ์เลขฐานสอง ( ตัวอย่างเช่น
การนวดหัวใจผายปอดกู้ชีพและ / หรือเครื่องจักรกล
ระบาย )กิจกรรมของเราได้ยาก ดังนั้นเราคำนวณและรายงานผลของเรา
ปรับอัตราส่วนอาจเสี่ยงเป็นเดิมพันความเว่อร์
ความเสี่ยงที่แท้จริง เราได้ทำการวิเคราะห์ความอ่อนไหว เพื่อศึกษาผลของความรู้ที่
รวมอาจมีการเปลี่ยนแปลงอยู่ตลอดเวลา ( พยากรณ์ ที่มีคุณภาพ
คะแนน คะแนน บริจาคกิลของเกล็ดชีวิตรักษา
ความชอบ และการเจ็บป่วย terminal ) เป็น
วันที่แน่นอนเริ่มการรักษาไม่แน่ใจระหว่าง
เริ่มต้นการประเมิน เราใช้ Cox สัดส่วนอันตราย
รุ่นเปรียบเทียบรอดชีวิตโดยรวมของผู้ป่วยที่ได้รับการรักษาด้วย

กับคนที่ไม่ปรับสำหรับความเอนเอียงน้ำหนัก .
เราใช้ SOLAS สำหรับขาดการวิเคราะห์ข้อมูลรุ่น 4.0 สำหรับ
หลายส่วนบุคคลและ SAS รุ่น 9สำหรับการวิเคราะห์ทางสถิติ 2 .
เรานำเสนอสองข้างโดยไม่ต้องปรับค่า P สำหรับการเปรียบเทียบพหุ
; P < 0.05 ) เราถือว่าเป็นสำคัญ