Failure to attend appointments and loss to follow-up: a prospective study of patients with malignant lymphoma in Riyadh, Saudi Arabia
Notice bibliographique
Résumé
Failure to attend medical appointments (No Show) and loss to follow-up (LTFU) among patients with cancer can adversely affect their treatment and eventual outcome. In a 3-year prospective study of 199 patients with malignant lymphoma, all of those with No Shows were contacted, and reasons given for No Shows were categorized. Of the 340 No Shows, 34.1% were due to hospital-based communication problems, 17.6% to errors in patient communication with the hospital, 7.4% to transportation problems and 16.5% to other personal reasons. Almost one quarter (24.4%) of the patients were not contactable. Reasons for No Show in all categories were instructive as to patients' attitudes to treatment. Nineteen (12.2%) of the 156 patients who had not died in the 3-year follow-up period were identified as LTFU. These 19 LTFU patients accounted for 77 (22.6%) of all No Shows. The data indicate that LTFU in this cohort is significantly less frequent than in a prior cohort followed up for 3 years from 1997 to 1998. These findings suggest that some causes of No Show can be addressed, and individuals are identified as at particular risk for No Show and ultimately LTFU. This study points out that pre-emptive strategies to reduce No Shows may be feasible and efficacious.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».