Cancer Referral and Treatment Activity 2010–2015: A Population-Based Study from Vancouver Island
Notice bibliographique
Résumé
INTRODUCTION: The years since 2005 have seen major changes in cancer treatment and significant increases in the number of anticancer drugs available. However, there are relatively few published data to reflect how those changes are affecting the activity and workload of oncology services. To explore the effects of those changes, we reviewed the population-based cancer treatment activity on Vancouver Island for the period 2010-2015. METHODS: Information about new patient referrals, radiation courses, new chemotherapy cycles commenced, total intravenous (IV) chemotherapy treatment visits, and pharmacy activity for oral anticancer drug prescriptions was obtained from BC Cancer Agency databases. RESULTS: During the 5-year study period, the Vancouver Island population increased by 2.8% and the number of new referrals to the BC Cancer Agency increased by 17.7%. The overall number of radiation courses increased by 6.1%. In contrast, IV chemotherapy activity increased by 52.1% for new courses commenced and by 62% for total IV chemotherapy attendances. Oral anticancer drug prescriptions rose by 22.9% during the 5-year period. CONCLUSIONS: Our study documents substantial recent increases in cancer therapy activity in terms of patient referrals and particularly IV chemotherapy and oral anticancer therapy. The data reported here could be of value in planning for future care provision.
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 | 0,000 |
| 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) | 0,001 | 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 ».