Melanoma patterns of care in Ontario: A call for a strategic alignment of multidisciplinary care
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Variability in melanoma management has prompted concerns about equitable and timely treatment. We investigated patterns of melanoma diagnosis and treatment using population-level data. METHODS: Patients with invasive cutaneous melanoma were identified retrospectively from the Ontario Cancer Registry (2003-2012) and deterministically linked with administrative databases to identify incidence, disease characteristics, geographic origin, and multimodal treatment within a year of diagnosis. Melanoma treatment was categorized as inadequate or adequate based on multidisciplinary clinical algorithms. Multivariable logistic regression was used to model factors associated with treatment adequacy. RESULTS: From 2003 to 2012, 22 918 patients with invasive melanoma were identified with annual age/sex standardized incidence rates of 11.7-14.3/100 000 for females and 13.4-15.9/100 000 for males. Melanoma occurred at median age of 62 and primarily on extremities (43.9%). Within 1 year after diagnosis, 86.7% of patients received surgery as primary therapy. A total of 2312 (10.6%) patients received inadequate or no treatment after diagnosis. Receiving adequate treatment was associated with consultation with dermatology (OR 1.92, CI 1.71-2.14), plastic surgery (OR 4.80, CI 4.32-5.34), or general surgery (OR 2.15, CI 1.94-2.38). CONCLUSIONS: Significant variation exists in melanoma management and nearly one in nine patients is inadequately treated. Referral to sub-specialized providers is critical for ensuring appropriate care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».