Prevalence and predictors of abandonment of therapy among children with cancer in El Salvador
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abandonment of therapy is one of the most common causes of treatment failure among children with cancer in low-income countries. Our objectives were to describe the prevalence and predictors of abandonment among such children with cancer in El Salvador. We analyzed data on patients younger than 16 years, diagnosed with any malignancy between January 2001 and December 2003 at the Benjamin Bloom National Children's Hospital, San Salvador. Among 612 patients, 353 were male (58%); the median age at diagnosis was 5.1 years; 59% of patients were diagnosed with leukemia/lymphoma, 28% with solid tumors and 13% with brain tumors. The prevalence of abandonment was 13%. Median time to abandonment was 2.0 (range 0-36) months. In univariate analyses, paternal illiteracy [odds ratio (OR) 3.8, 95% confidence interval (CI) 2.0-7.2; p = 0.001]; maternal illiteracy (OR = 5.1, 95% CI 2.5-10; p < 0.0001); increasing number of household members (OR = 1.2, 95% CI 1.1-1.3; p = 0.004); and low monthly household income (OR per $100 = 0.59, 95% CI 0.45-0.75; p < 0.0001) all significantly increased the risk of abandonment, whereas travel time to hospital did not. In multiple regression analyses, low monthly income and increased number of people in the household were independently predictive of abandonment. In conclusion, in El Salvador, despite the provision of free treatment, socioeconomic variables significantly predict increased risk of abandonment of therapy. Understanding the pathways through which socioeconomic status affects abandonment may allow the design of effective interventions.
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.
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) | 0,000 | 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 découle