Adherence to Breast Cancer Follow-up Care Guidelines for Vulnerable Populations in four Canadian provinces: a CanIMPACT study
Notice bibliographique
Résumé
IntroductionBreast cancer survivors are at risk for late and ongoing problems including cancer recurrence and late effects of treatment. Vulnerable groups may not enjoy equitable access to quality follow-up care. This study examines utilization of guideline-based follow-up care among vulnerable subpopulations in four Canadian provinces.
 Objectives and ApproachFor vulnerable groups of breast cancer survivors diagnosed from 2007-2010 in British Columbia (BC), 2007-2011 in Manitoba (MB), 2007-2010 in Ontario (ON), and 2007-2012 in Nova Scotia (NS), alive at 30 months post-diagnosis and followed for five years from diagnosis, we undertook a retrospective population-based cohort study linking cancer registries, clinical and health administrative databases. We calculated adherence to recommended follow-up care for surveillance of recurrent and new cancer, late effects, and general preventive care, and examined variation among provinces. Vulnerable groups were defined as those diagnosed at older ages, with lower income status, and/or who resided in rural area.
 ResultsSurvivor numbers were 23,700 (ON), 9493 (BC), 2688 (MB), and 2735 (NS). In Year 2, between 9.3% (BC) and 28.1% (ON) of survivors diagnosed aged 74+ years received annual breast cancer-related PCP or oncologist follow-up visits, a lower proportion than their younger-diagnosed counterparts; rates of surveillance breast imaging (between 34.2% (BC) and 68.6% (ON) in Year 2) were also lower than those diagnosed at younger ages. Those with incomes in the lowest 40\% did not have different rates of primary care physician and oncologist visits compared to the top 60%, nor did their utilization of surveillance imaging or imaging for metastatic disease differ. Guideline-adherent surveillance breast imaging was conducted on a higher proportion of urban than rural patients in all provinces.
 Conclusion/ImplicationsWhile area-level incomes do not appear to appreciably affect follow-up care, older age and rural residence resulted in differential access to care. These results suggest that there are gaps in provision of follow-up care that potentially can be addressed through system and practice-level change.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».