Factors Associated with Imaging in Patients with Early Breast Cancer After Initial Treatment
Notice bibliographique
Résumé
Background: Overuse of surveillance imaging in patients after curative treatment for early breast cancer (EBC) was recently identified as one of the Choosing Wisely Canada initiatives to improve the quality of cancer care. We undertook a population-level examination of imaging practices in Ontario as they existed before the launch of that initiative. Methods: Patients diagnosed with ebc between 2006 and 2010 in Ontario were identified from the Ontario Cancer Registry. Records were linked deterministically to provincial health care databases to obtain comprehensive follow-up. We identified all advanced imaging exams [aies: computed tomography (CT), bone scan, positron-emission tomography] and basic imaging exams (bies: ultrasonography, chest radiography) occurring within the first 2 years after curative treatment. Poisson regression was used to assess associations between patient or provider characteristics and the rate of AIES. Results: Of 30,006 women with ebc, 58.6% received at least 1 BIE, and 30.6% received at least 1 AIE in year 1 after treatment. In year 2, 52.7% received at least 1 BIE, and 25.7% received at least 1 AIE. The most common AIES were chest CTS and bone scans. The rate of AIES increased with older age, higher disease stage, comorbidity, chemotherapy exposure, and prior staging investigations (p < 0.001). Imaging was ordered mainly by medical oncologists (38%), followed by primary care physicians (23%), surgeons (13%), and emergency room physicians (7%). Conclusions: Despite recommendations against its use, imaging is common in EBC survivors. Understanding the factors associated with aie use helps to identify areas for further research and is required to lower imaging rates and to improve survivorship 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 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 | 0,001 | 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 | 0,001 |
| 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 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 ».