The Impact of Primary Care Physicians on Follow-up Care of Underserved Breast Cancer Survivors
Notice bibliographique
Résumé
PURPOSE: To investigate the impact of the involvement of primary care physicians (PCPs) on the receipt of preventive follow-up care after a breast cancer (BC) diagnosis among a low-income population. METHODS: Multiple logistic regression analyses were performed to identify potential factors associated with receipt of preventive care among 579 low-income women with BC. The main outcome variables at 36 months after BC diagnosis were receipt of annual mammography, Papanicolaou smear in the past 2 years, and ever had colonoscopy for those who were at least 50 years old. The main independent variable was type of provider visit in the past 12 months. RESULTS: Women with a PCP visit only or both PCP and surgeon/cancer specialist visits in the past 12 months were more likely to have had annual mammography (adjusted odds ratio [AOR], 2.67; P = .109 and AOR, 2.20, P = .0008, respectively), a Papanicolaou smear in the past 2 years (AOR, 2.90; P = .04 and AOR, 2.24, P = .009, respectively), and colonoscopy (AOR, 2.99; P = .041 and AOR, 2.17; P = .026, respectively) than those who only visited surgeons/cancer specialists. Indeed, women who saw only a PCP for their follow-up care had the highest odds ratio of receiving each clinical care service. CONCLUSIONS: The involvement of PCPs in the medical care of low-income BC survivors results in better preventive follow-up care. Getting PCPs involved in the care of cancer survivors might be particularly pertinent for low-income populations because of lower costs and ease of access compared with cancer specialist-provided care.
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 | 0,010 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».