Does gynecologic malignancy predict likelihood of a tertiary palliative care unit hospital admission? A comparison of local, provincial and national death rates
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to determine whether the presence of gynecologic malignancies predicts the likelihood of a tertiary palliative care unit hospital admission. METHOD: In this study, patients admitted to a specialized tertiary palliative care unit (TPCU) with gynecologic malignancies were compared to national and provincial death rates to determine if gynecologic malignancy predicts admission, and subsequent death, in a TPCU. RESULTS: Eighty-two gynecologic cancer patients were admitted to our TPCU over the 5- year study period. Out of all cancer deaths in the TPCU, death from ovarian cancer was 3.7% compared with 2.4% (p = 0.0068) of all cancer deaths in Manitoba and 2.3% (p = 0.0043) of all cancer deaths in Canada. Cervical cancer accounted for 1.7% of all our patients deaths compared with 0.7% (p = 0.0001) provincially and 0.6% (p = 0.0001) nationally. Uterine cancer deaths were not significantly different from the provincial and national death rates, whereas vulvar and fallopian cancers were too rare to allow for statistical analysis. SIGNIFICANCE OF RESULTS: Gynecologic cancers may be predictive of admission to a palliative care unit.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».