DEV-14. IMPACT OF A LATIN AMERICA-WIDE TELECONFERENCED BRAIN TUMOR BOARD
Notice bibliographique
Résumé
Pediatric-cancer cure rates are ~80% in high-income countries (HIC) however, 80% of children with cancer live in low-to-middle income countries (LMIC) where chances for cure are much lower. Pediatric neuro-oncology requires a multi-disciplinary effort challenging to achieve in LMIC. We started a pediatric neuro-oncology teleconference to help improve healthcare disparities for children in Latin America (LA) with brain tumors, herein we summarize our efforts. Utilizing a web-portal provided by cure4kids.org we connect HIC-global-pediatric neuro-oncologists with LA pediatric-subspecialists. Weekly, real-time, 60-minute sessions are held in Spanish. Minutes are sent in Spanish after each meeting to solidify recommendations and education. In 2013, we started with one country and 6 members. Substantial growth and data acquisition occurred to include 20-countries throughout LA with growing membership, 2015: 44, 2016: 121, and 2017: 199; and participation, median of 17 (range: 9–22) in 2016 to 25 (range: 11–40) in 2017 (p=0.0005). This required more sessions 2015: 13, 2016: 34, 2017: 47. The total number of cases reviewed were, 2015: 22, 2016: 73, 2017: 132; demonstrating 2017 had statistically more cases per session, on average, than 2016 (p=0.0049) and 2015 (p=0.0075). The growing size of our program demonstrates a reassuring response by LA. We provide systematic and effective communication among LA providers in their language. We succeeded in connecting LA institutions of differing resources and experience with global-pediatric neuro-oncologists from leading cancer-centers in HIC to help improve the care of children with brain tumors in LA and promote continuing education for their providers.
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 | 0,004 |
| 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 | 0,001 |
| 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 ».