Socioeconomic disparities in head and neck cancer patients’ access to cancer treatment centers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Both socioeconomic status and travel time to cancer treatment have been associated with treatment choice and patient outcomes. An improved understanding of the relationship between these two dimensions of access may enable cancer control experts to better target patients with poor access, particularly in isolated suburban and rural communities. METHODS: Using geographical information systems, head and neck cancer patients across British Columbia, Canada from 1981 to 2009, were mapped and their travel times to the nearest treatment center at their time of diagnosis were modelled. Patients' travel times were analysed by urban, suburban, and rural neighborhood types and an index of multiple socioeconomic deprivation was used to assess the role of socioeconomic status in patients' spatial access. RESULTS: Significant associations between socioeconomic deprivation and spatial access to treatment were identified, with the most deprived quintiles of patients experiencing nearly twice the travel time as the least deprived quintile. The sharpest disparities were observed among the most deprived patient populations in suburban and rural areas. However, the establishment of new treatment centers has decreased overall travel times by 28% in recent decades. CONCLUSIONS: Residence in a neighborhood with high socioeconomic deprivation is strongly associated with head and neck cancer patients' spatial access to cancer treatment centers. Patients residing in the most socioeconomically deprived neighborhoods consistently have longer travel times in urban, suburban, and rural communities in the study area.
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.
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 découle