MétaCan
Menu
Retour à la cohorte
Enregistrement W2605887500 · doi:10.23889/ijpds.v1i1.133

CanIMPACT: Understanding complexities, variation, and disparities in the breast cancer care continuum in Five Canadian provinces using administrative data

2017· article· en· W2605887500 sur OpenAlexaffabout
Patti A. Groome, Marcy Winget, Li Jiang, Kathleen Decker, Cynthia Kendell, Monika K. Krzyzanowska, Dongdong Li, Aïsha Lofters, Mary L. McBride, Nicole Mittmann, Rahim Moineddin, Geoff Porter, Donna Turner, Robin Urquhart, Eva Grunfeld

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensQueen's UniversityCancer Care OntarioUniversity Health NetworkDalhousie UniversityBC Cancer AgencyCancerCare Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerFamily medicineHealth careContext (archaeology)CensusCancerGeographyEnvironmental healthPopulationEconomic growth

Résumé

récupéré en direct d'OpenAlex

ABSTRACT ObjectiveCanIMPACT is a multi-province Canadian research team funded to understand the interplay between primary and oncology breast cancer care. A first step was to describe current practice and inter/intra-provincial care variation across the care continuum using provincial administrative health data. Here we describe the inter-provincial process and analysis plans. ApproachOur multi-disciplinary team includes five Canadian provinces: British Columbia, Alberta, Manitoba, Ontario and Nova Scotia. Cohorts consist of all breast cancers diagnosed from 2007 to at least 2011 in each of the five provinces. Common databases include cancer registries, census area-level income and rurality, outpatient physician claims, ambulatory care and inpatient hospitalizations. Other databases with laboratory, pharmacy, emergency services, and immigration data were available in some provinces. Common data elements across provincial datasets were identified, and a standardized methodology was developed. ResultsCommon data processing and analysis plans were finalized over 24 months; provinces refined details as per local context while maximizing methodological comparability. Basic descriptive analyses plus 18 phase-specific and 3 longitudinal analyses have been planned. Six plans for the diagnostic phase focus on identifying modifiable disparities in access and outcomes; 8 plans for the treatment phase focus on variation in chemotherapy treatment patterns, quality/safety, and utilization of primary care services; 4 plans for the survivorship phase focus on adherence to guidelines for follow-up breast cancer care, other chronic diseases and preventive care; 3 longitudinal analyses assess factors related to changes in utilization of chronic disease services over the cancer care continuum. ConclusionsWe have shown it is feasible to develop and standardize data processing and analyses across multiple provinces to address important cancer care questions across the continuum. This work will inform comparisons and improvements in Canadian cancer care. This effort has also helped increase research capacity in health services research.

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)0,007
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,107
Score d'incertitude au seuil0,777

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,018
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
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 Opus0,522
Tête enseignante GPT0,517
Écart entre enseignants0,004 · 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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207