Palliative chemotherapy among people living in poverty with metastasised colon cancer: facilitation by primary care and health insurance
Notice bibliographique
Résumé
BACKGROUND: Many Americans with metastasised colon cancer do not receive indicated palliative chemotherapy. We examined the effects of health insurance and physician supplies on such chemotherapy in California. METHODS: We analysed registry data for 1199 people with metastasised colon cancer diagnosed between 1996 and 2000 and followed for 1 year. We obtained data on health insurance, census tract-based socioeconomic status and county-level physician supplies. Poor neighbourhoods were oversampled and the criterion was receipt of chemotherapy. Effects were described with rate ratios (RR) and tested with logistic regression models. RESULTS: Palliative chemotherapy was received by less than half of the participants (45%). Facilitating effects of primary care (RR=1.23) and health insurance (RR=1.14) as well as an impeding effect of specialised care (RR=0.86) were observed. Primary care physician (PCP) supply took precedence. Adjusting for poverty, PCP supply was the only significant and strong predictor of chemotherapy (OR=1.62, 95% CI 1.02 to 2.56). The threshold for this primary care advantage was realised in communities with 8.5 or more PCPs per 10 000 inhabitants. Only 10% of participants lived in such well-supplied communities. CONCLUSIONS: This study's observations of facilitating effects of primary care and health insurance on palliative chemotherapy for metastasised colon cancer clearly suggested a way to maximise Affordable Care Act (ACA) protections. Strengthening America's system of primary care will probably be the best way to ensure that the ACA's full benefits are realised. Such would go a long way towards facilitating access to palliative 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».