Factors Associated With Pattern of Care Before Surgery for Breast Cancer in Quebec Between 1992 and 1997
Notice bibliographique
Résumé
BACKGROUND: Practice guidelines for breast cancer emphasize the importance of establishing an accurate diagnosis using a minimum number of procedures and selecting optimal treatment regimens. Understanding the determinants of waiting time is essential to develop optimum interventions to reduce delay. OBJECTIVES: The purpose of this study is to estimate the extent to which variability in 1) the number of procedures before surgery and 2) waiting time from initial procedure to surgery are explainable by factors related to the woman, to the provider, and to the care setting. RESEARCH DESIGN: Records of physicians' fee-for-service claims were obtained for 23,370 women undergoing breast cancer surgery in Quebec between 1992 and 1997. Multilevel logistic regression was used to determine predictors of having multiple procedures before surgery. Hierarchical linear regression models were used to identify predictors of waiting time, separately for women with lymph node involvement and without this involvement. RESULTS: Overall, 23% of the women had 3 or more procedures before surgery with significant variation found across hospitals and surgeons. Number of procedures was a strong predictor of waiting time. Waiting time also varied by stage, age, comorbidity, a history of benign disease, surgical setting, calendar time, month of initial procedure, and hospital teaching status. CONCLUSION: Although variability in waiting time was more strongly influenced by the characteristics of the women rather than by physician- or hospital-related factors, most variation remained unexplained by the factors included in this study. To reduce overall waiting time, strategies would need to be systemically applied.
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 | 0,000 |
| 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 ».