MétaCan
Menu
← Retour à la cohorte
Enregistrement W2314400904 · doi:10.1158/0008-5472.sabcs10-p3-11-11

Abstract P3-11-11: A Comparison of Breast Cancer Treatment Rates in British Columbia, Scotland, and Western Australia, and a Comparison with Models of “Optimal” Therapy

2010· article· en· W2314400904 sur OpenAlexaffabout
Arwen Fong, Jesmin Shafiq, Christobel Saunders, Ann M. Thompson, Scott Tyldesley, Michael Bartoň, JA Dewar, Wee Khoon Ng, Simon Jacob, Caroline Speers, Ivo A. Olivotto, Geoff P. Delaney

Notice bibliographique

RevueCancer Research · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésRadiation therapyMedicineBreast cancerPopulationChemotherapyHormonal therapyStage (stratigraphy)CancerEpidemiologyCancer registryHormone therapySurgeryOncologyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Evidence-based optimal utilization models provide estimates of optimal radiotherapy, chemotherapy and hormonal therapy utilization by stage and other clinically relevant patient sub-groups. We therefore compared predicted utilization with actual utilization of radiotherapy, hormone therapy and chemotherapy in 3 jurisdictions with population-based stage and treatment data: British Columbia, Canada; Dundee, Scotland; and Perth, Western Australia. Methods: Previously published optimal radiotherapy, chemotherapy, and endocrine therapy treatment utilization trees for an Australian population were modified to incorporate epidemiological data from British Columbia, Dundee, and Perth, such that the optimal trees for each region reflected the casemix for each region. Frequency data on patient, tumour, and surgical factors were used to calculate optimal treatment rates for each region. Optimal rates were then compared with actual rates of surgery, radiotherapy, chemotherapy, and endocrine therapy use obtained from 2 population-based and 1 institution-based cancer registries for patients diagnosed with breast cancer between 2000 to 2004. Information on region-specific treatment guidelines was also collected. Results: Region-specific optimal treatment utilization rates at diagnosis varied between 80% and 81% for radiotherapy (62 to 64% when patient preference is taken into account), 53% to 56% for chemotherapy, and 49% to 54% for endocrine therapy. The predicted ranges were due to local variations in demographics, and tumour stage. Actual radiotherapy utilization was 57%, 49%, and 52%; chemotherapy utilization was 32%, 24%, and 29%; and endocrine therapy utilization was 56%, 64%, and 52% for British Columbia, Dundee, and Perth, respectively. Conclusion: There are significant differences in actual treatment utilisation rates between the study populations. It is unlikely that all of this variation is due to differences in tumour characteristics alone. Actual utilization rates were lower than the calculated optimal rates for radiotherapy and chemotherapy, and higher for endocrine therapy. Differences between actual regional rates of treatment utilization were seen, and were associated with differences in mastectomy rates, and guideline recommendations for treatment use in that region. This methodology allows comparison of the treatment that occurs in a jurisdiction against what would be considered optimal based on evidence. Citation Information: Cancer Res 2010;70(24 Suppl):Abstract nr P3-11-11.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,580

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,486
Tête enseignante GPT0,526
Écart entre enseignants0,040 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→