Geographical Variations in the Clinical Management of Colorectal Cancer in Australia: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: In Australia, cancer survival is significantly lower in non-metropolitan compared to metropolitan areas. Our objective was to evaluate the evidence on geographical variations in the clinical management and treatment of colorectal cancer (CRC). METHODS: A systematic review of published and gray literature was conducted. Five databases (CINAHL, PubMed, Embase, ProQuest, and Informit) were searched for articles published in English from 1990 to 2018. Studies were included if they assessed differences in clinical management according to geographical location; focused on CRC patients; and were conducted in Australia. Included studies were critically appraised using a modified Newcastle-Ottawa Scale. PRISMA systematic review reporting methods were applied. RESULTS: 17 articles met inclusion criteria. All were of high (53%) or moderate (47%) quality. The evidence available may suggest that patients in non-metropolitan areas are more likely to experience delays in surgery and are less likely to receive chemotherapy for stage III colon cancer and adjuvant radiotherapy for rectal cancer. CONCLUSION: The present review found limited information on clinical management across geographic regions in Australia and the synthesis highlights significant issues both for data collection and reporting at the population level, and for future research in the area of geographic variation. Where geographical disparities exist, these may be due to a combination of patient and system factors reflective of location. It is recommended that population-level data regarding clinical management of CRC be routinely collected to better understand geographical variations and inform future guidelines and policy.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».