Diagnostic and treatment challenges of adolescent and young adult oncology patients.
Notice bibliographique
Résumé
9557 Background: Adolescent and young adult (AYA) cancer patients are faced with obstacles and challenges related to their diagnosis and treatment compared to children and older adults. The aim of this study was to explore the patient and health care system-related delays in the interval from cancer symptom onset to diagnosis and treatment as well as to identify the possible contributing factors to these delays in the AYA group. Methods: This study was based on a questionnaire conducted in 2010-2011 completed by patients diagnosed with a malignancy between the ages of 16 and 39 in addition to older patients diagnosed with a pediatric type malignancy. Four categories of delays: patient delay (time from patient symptom onset until first health care contact date), health care system delay (time from first health care contact until diagnosis date), treatment delay (time from diagnosis date until first treatment) and oncologist delay (time from first health care contact until first medical oncologist meeting) were calculated. Median delay (in days) with interquartile interval (IQI) was the main outcome measure. Median time for each category of delay was further analysed to explore how they vary with different patient characteristics. Results: We identified a median patient delay of 30 days (IQI 1-131), a median health care system delay of 53 days (IQI 1-213), a median treatment delay of 36 days (IQI 5-92) and a median oncologist delay of 77 days (IQI 30-281). Patient delay was affected by patient gender, age at diagnosis and type of first health care contact. Health care system delay was associated with patient marital status, financial situation and attitude of first health care professional. Treatment delay was related to type of cancer. Conclusions: The health care system delay (including oncologist delay) accounts for much of the delay from symptom onset to first treatment. Professional characteristics of frontline medical personnel as well as socioeconomic and biological characteristics of the patients may contribute to delay. Healthcare professionals and the general community as a whole need to be aware of the factors contributing to delay in diagnosis and treatment in the underserved patient population.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».