MétaCan
Menu
Retour à la cohorte
Enregistrement W186974156

How important are out-of-pocket costs to rural patients' cancer care decisions?

2009· article· en· W186974156 sur OpenAlexaffabout
Maria Mathews, Roy West, Sharon Buehler

Notice bibliographique

RevuePubMed · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedicineLikert scaleOdds ratioFeelingLogistic regressionRural areaCancerConfidence intervalOddsHealth careScale (ratio)Family medicineEnvironmental healthDemographyGerontologyPsychologyGeographyEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We examined the importance of 5 items (stage of illness, personal feelings, travel costs, drug costs and child care costs) in the cancer treatment decisions of urban and rural residents after they had started treatment for their cancer. METHODS: We surveyed 484 adults who presented for care at cancer clinics in Newfoundland and Labrador from September 2002 to June 2003. Respondents rated the importance of each of the 5 items in their cancer care decisions on a 5-point Likert scale, which was later collapsed into 2 categories, "important" and "not important." We used chi2 tests and multiple logistic regression to compare the responses of urban and rural residents. RESULTS: In our sample of 484 respondents, there were 258 (53.3%) urban and 226 (46.7%) rural residents. After controlling for other significant predictors, we found that rural residents were more likely to report that travel costs (odds ratio [OR] 1.79, 95% confidence interval [CI] 1.21-2.63), drug costs (OR 1.69, 95% CI 1.13-2.23) and child care costs (OR 2.33, 95% CI 1.09-4.96) were "important" in cancer treatment decisions compared with urban residents. Stage of disease and personal feelings were equally important to urban and rural residents. CONCLUSION: Financial impediments disproportionately affect rural residents' decisions about cancer care and highlight the need to ensure that centralized specialist care, such as cancer treatment, is accessible.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,229
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207