Using administrative health data to inform health service planning for specialist cancer care in Nova Scotia, Canada
Notice bibliographique
Résumé
IntroductionResearch has demonstrated that primary care providers can safely and effectively provide follow-up care after a person has received treatment for cancer. Yet, discharge to primary care after cancer treatment is variable, despite the fact that cancer systems are challenged to provide follow-up care given constrained cancer specialist resources. Objectives and ApproachTo inform cancer system planning, we examined (1) cancer centre routine follow-up (CC-FUP) care for prevalent cancer types and (2) changes in CC-FUP over time. From the Nova Scotia Cancer Registry, we identified all persons diagnosed in Nova Scotia, Canada, with an invasive breast, colorectal, gynecological, or prostate cancer between 01/01/2006 and 31/12/2013. We linked this dataset to cancer centre/clinic data and identified a non-metastatic cancer survivor cohort (n=12,267). Descriptive statistics were computed to describe patterns of care. Negative binomial regression was used to examine changes over time for both CC-FUP and all cancer centre visits, adjusting for other covariates. ResultsNearly half of survivors (48.4\%) had at least one CC-FUP visit, which varied by disease site (range: 30.2-62.4\%). Variation existed across providers, with six oncologists providing 34.7\% of the CC-FUP visits to the study population. Year of diagnosis was associated with receipt of CC-FUP care, with each successive calendar year associated with an 8\% increase in CC-FUP visits (IRR=1.08, 95\%CI=1.07-1.10). Similarly, each successive calendar year was associated with a 14\% increase in all cancer centre visits (IRR=1.14, 95\%CI=1.13-1.15). Results were shared with cancer system decision-makers at regular intervals to inform ongoing analyses. Conclusion/ImplicationsBoth the number of CC-FUP visits and all visits increased over time, with the latter at a greater rate. The increases were much higher than assumed by cancer system decision makers (2\% increase per year) for resource planning, demonstrating the value of population-based administrative data to informing health service planning.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».