Predictors of diagnostic interval and associations with outcome in acute lymphoblastic leukemia
Notice bibliographique
Résumé
BACKGROUND: Little is known about diagnostic interval lengths in childhood cancer, their predictors or impact upon survival. To date, studies have relied on questionnaires or chart abstraction. We aimed to construct and validate a diagnostic interval measure using health services data among children with acute lymphoblastic leukemia (ALL) in order to determine predictors of prolonged intervals and associations with event-free survival (EFS). PROCEDURE: All children with ALL diagnosed 1995-2011 (N = 1,541) in Ontario, Canada were linked to population-based health administrative databases. Healthcare claims prior to diagnosis were used to define healthcare episodes. Diagnostic intervals (time between first episode with diagnostic code a priori classified as consistent with underlying ALL, and diagnosis) were validated by correlation with a chart abstraction-based measure. RESULTS: Intervals were generally short (median 2 days, IQR 1-3). Predictors of longer intervals included having general primary care physicians versus pediatricians (odds ratio 1.60, 95%CI 1.04-2.47; P = 0.03). While prolonged diagnostic intervals were associated with superior EFS (hazard ratio 0.71, 95%CI 0.52-0.98; P = 0.04), this was explained by confounding by disease biology. CONCLUSIONS: Health administrative data can be used to measure diagnostic intervals in ALL and potentially other pediatric malignant and non-malignant diseases. Diagnostic intervals were short and a marker of disease severity rather than independent predictors of outcome. These findings may be used to address caregiver guilt and caution against "early diagnosis" benchmarks not based in evidence. Future studies should examine the impact of diagnostic interval length in other conditions, but should account for potential confounding by disease severity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».