A Population-Based Assessment of Primary Care Visits during Adjuvant Chemotherapy for Breast Cancer
Notice bibliographique
Résumé
Background: We used administrative health data to explore the impact of primary care physician (pcp) visits on acute-care service utilization by women receiving adjuvant chemotherapy for early-stage breast cancer (ebc). Methods: Our population-based retrospective cohort study examined pcp visits and acute-care use [defined as an emergency room (er) visit or hospitalization] by women diagnosed with ebc between 2007 and 2009 and treated with adjuvant chemotherapy. Multivariate regression analysis was used to identify the effect of pcp visits on the likelihood of experiencing an acute-care visit. Results: Patients receiving chemotherapy visited a pcp significantly more frequently than they had before their diagnosis [relative risk (rr): 1.48; 95% confidence interval (ci): 1.44 to 1.53; p < 0.001] and significantly more frequently than control subjects without cancer (rr: 1.51; 95% ci: 1.46 to 1.57; p < 0.001). More than one third of pcp visits by chemotherapy patients were related to breast cancer or chemotherapy-related side effects. In adjusted multivariate analyses, the likelihood of experiencing an er visit or hospitalization increased in the days immediately after a pcp visit (rr: 1.92; 95% ci: 1.76 to 2.10; p < 0.001). Conclusions: During chemotherapy treatment, patients visited their pcp more frequently than control subjects did, and they visited for reasons related to their breast cancer or to chemotherapy-related side effects. Visits to a pcp by patients receiving chemotherapy were associated with an increased frequency of er visits or hospitalizations in the days immediately after the pcp visit. Those results suggest an opportunity to institute measures for early detection and intervention in chemotherapy side effects.
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) | 0,000 | 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) | 0,000 | 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 ».