Wait Times for Breast Cancer Surgery: Effect of Magnetic Resonance Imaging and Preoperative Investigations on the Diagnostic Pathway
Notice bibliographique
Résumé
PURPOSE: Women with breast cancer often require an extensive diagnostic work-up. We sought to determine the overall wait time, from the patient's perspective, from identification of an imaging abnormality to definitive treatment. The objective was to identify which factors contribute to overall wait time in women with breast cancer. METHODS: A retrospective chart review in a tertiary care center was performed to identify all women who had breast surgery for invasive carcinoma and ductal carcinoma in situ. We recorded the dates of first imaging abnormality, first biopsy, subsequent imaging and biopsy, first consultation with any physician at the cancer center, first surgical consultation, and date of surgery. Clinical data that might influence these dates were then extracted. Wait times were calculated and factors associated with wait times were described. RESULTS: Eligible consecutive women with a cancer diagnosis (n = 264) were identified. The median time between first imaging abnormality and definitive surgery was 79 days. The median time from first surgical consultation to surgery was significantly longer in women who underwent magnetic resonance imaging and in women who underwent initial imaging outside of our tertiary care center (P < .05). On multivariable analysis, the modifiable factors associated with prolonged wait times included number of preoperative clinic visits, number of visits to radiology, and initial imaging outside of our center (P < .05). CONCLUSION: Extensive diagnostic work-up is an important factor that affects the time to definitive surgery. A more integrated approach using a rapid diagnostic clinic for tissue diagnosis initially, followed by facilitated preoperative evaluation, may potentially decrease wait times in breast evaluation.
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 | 0,002 | 0,020 |
| 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 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 ».