MétaCan
Menu
Retour à la cohorte
Enregistrement W2567806570 · doi:10.1186/s12913-016-1944-y

Factors associated with mode of colorectal cancer detection and time to diagnosis: a population level study

2017· article· en· W2567806570 sur OpenAlexafffundabout
Khokan C. Sikdar, James A. Dickinson, Marcy Winget

Notice bibliographique

RevueBMC Health Services Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineNursing researchHealth informaticsColorectal cancerHealth administrationPublic healthQuality of Life ResearchCancerPopulationPopulation based studyOncologyInternal medicineEpidemiologyEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although it is well-known that early detection of colorectal cancer (CRC) is important for optimal patient survival, the relationship of patient and health system factors with delayed diagnosis are unclear. The purpose of this study was to identify the demographic, clinical and healthcare factors related to mode of CRC detection and length of the diagnostic interval. METHODS: All residents of Alberta, Canada diagnosed with first-ever incident CRC in years 2004-2010 were identified from the Alberta Cancer Registry. Population-based administrative health datasets, including hospital discharge abstract, ambulatory care classification system and physician billing data, were used to identify healthcare services related to CRC diagnosis. The time to diagnosis was defined as the time from the first CRC-related healthcare visit to the date of CRC diagnosis. Mode of CRC detection was classified into three groups: urgent, screen-detected and symptomatic. Quantile regression was performed to assess factors associated with time to diagnosis. RESULTS: 9626 patients were included in the study; 25% of patients presented as urgent, 32% were screen-detected and 43% were symptomatic. The median time to diagnosis for urgent, screen-detected and symptomatic patients were 6 days (interquartile range (IQR) 2-14 days), 74 days (IQR 36-183 days), 84 days (IQR 39-223 days), respectively. Time to diagnosis was greater than 6 months for 27% of non-urgent patients. Healthcare factors had the largest impact on time to diagnosis: 3 or more visits to a GP increased the median by 140 days whereas 2 or more visits to a GI-specialist increased it by 108 days compared to 0-1 visits to a GP or GI-specialist, respectively. CONCLUSION: A large proportion of CRC patients required urgent work-up or had to wait more than 6 months for diagnosis. Actions are needed to reduce the frequency of urgent presentation as well as improve the timeliness of diagnosis. Findings suggest a need to improve coordination of care across multiple providers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,032
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,148
Tête enseignante GPT0,454
Écart entre enseignants0,306 · 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 tête enseignante, 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

Citations38
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207