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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».