Lung Cancer Care Trajectory at a Canadian Centre: An Evaluation of How Wait Times Affect Clinical Outcomes
Notice bibliographique
Résumé
BACKGROUND: Lung cancer continues to be one of the most common cancers in Canada, with approximately 28,400 new cases diagnosed each year. Although timely care can contribute substantially to quality of life for patients, it remains unclear whether it also improves patient outcomes. In this work, we used a set of quality indicators that aim to describe the quality of care in lung cancer patients. We assessed adherence with existing guidelines for timeliness of lung cancer care and concordance with existing standards of treatment, and we examined the association between timeliness of care and lung cancer survival. METHODS: Patients with lung cancer diagnosed between 2010 and 2015 were identified from the Pulmonary Division Lung Cancer Registry at our centre. RESULTS: We demonstrated that the interdisciplinary pulmonary oncology service successfully treated most of its patients within the recommended wait times. However, there is still work to be done to decrease variation in wait time. Our results demonstrate a significant association between wait time and survival, supporting the need for clinicians to optimize the patient care trajectory. INTERPRETATION: It would be helpful for Canadian clinicians treating patients with lung cancer to have wait time guidelines for all treatment modalities, together with standard definitions for all time intervals. Any reductions in wait times should be balanced against the need for thorough investigation before initiating treatment. We believe that our unique model of care leads to an acceleration of diagnostic steps. Avoiding any delay associated with referral to a medical oncologist for treatment could be an acceptable strategy with respect to reducing wait time.
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 ».