Survival Estimation: Advanced Terminal Cancer
ความสำคัญของการประเมิน Survival
การประเมินระยะเวลาการรอดชีวิต (survival
estimate) เป็นองค์ประกอบสำคัญของการดูแลผู้ป่วยมะเร็งระยะท้าย
เพราะช่วยในการ
- กำหนด Goals of Care
- เลือกการรักษา (disease-directed vs palliative)
- วางแผน Hospice
- เตรียมผู้ป่วยและครอบครัวสำหรับระยะท้ายของชีวิต
อย่างไรก็ตาม การพยากรณ์โรคยังมีความไม่แน่นอน
และแพทย์มักประเมินอายุขัยสูงกว่าความเป็นจริง
ความสำคัญของ Prognostic Awareness
ผู้ป่วยที่เข้าใจพยากรณ์โรคอย่างถูกต้อง
- ตัดสินใจรักษาได้เหมาะสมกว่า
- วางแผนชีวิตได้ดีขึ้น
- มีการดูแลระยะท้ายที่สอดคล้องกับความต้องการมากขึ้น
อย่างไรก็ตาม
มีความคลาดเคลื่อนระหว่าง
- อายุขัยจริง
- สิ่งที่แพทย์สื่อสาร
- ความเข้าใจของผู้ป่วย
อยู่บ่อยครั้ง
ช่องว่างในการสื่อสาร
ผู้ป่วย
- 71% ต้องการทราบอายุขัย
แต่
- มีเพียง 18% ที่จำได้ว่าแพทย์เคยแจ้งพยากรณ์โรค
นอกจากนี้
ผู้ป่วยเพียงประมาณ 49% เข้าใจพยากรณ์โรคของตนเองได้อย่างถูกต้อง
และส่วนใหญ่มักมองโลกในแง่ดีมากกว่าแพทย์
โดยเฉพาะในผู้ป่วยที่มีความเห็นไม่ตรงกับแพทย์
ตัวทำนายการรอดชีวิต (Prognostic
Factors)
1. Performance Status (สำคัญที่สุด)
ECOG Performance Status
คะแนน
- 0 = ปกติ
- 4 = ติดเตียงทั้งหมด
ยิ่งคะแนนสูง
➡ อายุขัยยิ่งสั้น
Karnofsky Performance Status (KPS)
- 100 = ปกติ
- 0 = เสียชีวิต
KPS <50
มักสัมพันธ์กับ
Life expectancy <8 สัปดาห์
ในผู้ป่วย palliative care
2. อาการทางคลินิก
อาการที่สัมพันธ์กับการเสียชีวิตเร็ว ได้แก่
- Dyspnea
(ตัวทำนายที่สำคัญที่สุด)
- Dysphagia
- Weight
loss
- Xerostomia
- Anorexia
- Cognitive
impairment
3. Cancer Complications
ภาวะแทรกซ้อนที่บ่งชี้พยากรณ์โรคไม่ดี เช่น
- Hypercalcemia
of malignancy
- Leptomeningeal
metastasis
- Malignant
bowel obstruction
- Malignant
ascites
- Malignant
spinal cord compression
- Brain
metastases
ข้อผิดพลาดของแพทย์
แพทย์มัก
Overestimate survival
ตัวอย่าง
Median survival จริง
= 24 วัน
แต่แพทย์ประเมิน
≈ 75 วัน
และเมื่อแจ้งผู้ป่วย
มักเพิ่มเป็น
≈ 90 วัน
สะท้อนทั้ง optimistic bias ในการประเมิน และ communication optimism ในการสื่อสาร
ใช้ Clinical Judgment ร่วมกับ
Prognostic Model
แม้แพทย์จะประเมินคลาดเคลื่อนได้บ่อย
แต่
Clinical judgment ยังมีคุณค่า
โดยเฉพาะเมื่อ
- ใช้ร่วมกับ prognostic models
- ประเมินบริบทเฉพาะราย
- ปรับตาม comorbidity และ frailty ของผู้ป่วย
การขอ Second Opinion
การประเมินจาก
- Senior
physician
- Tumor
board
- Colleague
มักแม่นยำกว่าการประเมินโดยแพทย์เจ้าของไข้เพียงคนเดียว
เพราะลดอคติจากความผูกพันกับผู้ป่วย
Prognostic Models
1. Palliative
Performance Scale (PPS) ⭐ Preferred
เป็นเครื่องมือที่นิยมใช้มากที่สุด
ประเมิน
- Ambulation
- Activity
- Self-care
- Oral
intake
- Consciousness
เหมาะสำหรับผู้ป่วยมะเร็งระยะท้าย
และเป็นเครื่องมือที่ใช้งานแพร่หลายที่สุดในเวชปฏิบัติ
2. Palliative Prognostic Index (PPI)
ประกอบด้วย
- PPS
- Oral
intake
- Edema
- Dyspnea
- Delirium
เหมาะสำหรับ
การพยากรณ์ระยะสั้น (days–weeks)
3. Palliative Prognostic Score (PaP)
ประกอบด้วย
- KPS
- Laboratory
data
- Physician
prediction
ให้ความน่าจะเป็นของการรอดชีวิต 30 วัน แต่ต้องอาศัยผลตรวจทางห้องปฏิบัติการและการประเมินของแพทย์
การประเมินในยุค Targeted Therapy
ปัจจุบัน
- Molecular
markers
- Targeted
therapy
- Immunotherapy
อาจทำให้อายุขัยแตกต่างจากข้อมูลในอดีตอย่างมาก
จึงควรใช้ข้อมูลการศึกษาที่ทันสมัย
และปรับให้เหมาะกับผู้ป่วยแต่ละราย
AI และ Machine Learning
Machine Learning และ AI
สามารถเพิ่มความแม่นยำในการพยากรณ์ได้เพียงเล็กน้อยเมื่อเทียบกับ
traditional models และยังมีข้อกังวลเรื่องความโปร่งใสและอคติของโมเดล
จึงยังไม่สามารถทดแทนการประเมินของแพทย์ได้ในปัจจุบัน
Algorithm การประเมิน Prognosis
1. ประเมิน Functional status
- ECOG
- KPS
- PPS
↓
2. ประเมินอาการสำคัญ
- Dyspnea
- Weight
loss
- Dysphagia
- Delirium
- Cognitive
impairment
↓
3. ประเมิน Cancer complications
- Hypercalcemia
- MBO
- Brain
metastasis
- Leptomeningeal
disease
↓
4. ใช้ Prognostic model
- PPS
(preferred)
- PPI
- PaP
↓
5. ผสาน Clinical judgment + Second
opinion
↓
6. สื่อสารพยากรณ์โรคโดยใช้ช่วงเวลา (range)
และเชื่อมโยงกับ Goals of Care
Clinical Pearls
- Performance
status เป็นตัวทำนายการรอดชีวิตที่สำคัญที่สุดในผู้ป่วยมะเร็งระยะท้าย
โดยเฉพาะ PPS, ECOG และ KPS
- KPS
<50 มักสัมพันธ์กับ อายุขัย <8 สัปดาห์ ในผู้ป่วยที่ได้รับการดูแลแบบประคับประคอง
- Dyspnea
เป็นอาการที่มีความสัมพันธ์กับการเสียชีวิตมากที่สุด
รองลงมาคือ dysphagia, anorexia, weight loss และ cognitive
impairment
- แพทย์มัก ประเมินและสื่อสารอายุขัยสูงกว่าความเป็นจริง จึงควรใช้
prognostic models ร่วมกับ clinical judgment
- Palliative
Performance Scale (PPS) เป็นเครื่องมือที่แนะนำและใช้แพร่หลายที่สุดสำหรับการประเมินพยากรณ์โรคในผู้ป่วยมะเร็งระยะท้าย
ส่วน PPI เหมาะสำหรับการพยากรณ์ระยะสั้น และ PaP
ใช้ข้อมูลทางคลินิกและห้องปฏิบัติการร่วมกัน
- การพยากรณ์โรคควรปรับตาม functional status,
comorbidities, frailty, ภาวะแทรกซ้อนของมะเร็ง
และการตอบสนองต่อ targeted/immunotherapy ไม่ควรอาศัยค่า
median survival จากงานวิจัยเพียงอย่างเดียว.
ไม่มีความคิดเห็น:
แสดงความคิดเห็น