Financial toxicity among patients with lung cancer in a publicly funded health care system.
Notice bibliographique
Résumé
192 Background: Financial distress has been established as a clinically relevant patient-reported outcome (PRO) associated with worse mortality and quality of life, but remains under-recognized by health care providers. Our goal was to define factors associated with financial toxicity (FT) in a public healthcare system. Methods: Patients with advanced lung cancer were recruited from outpatient clinics at the Princess Margaret Cancer Centre (Toronto, Canada). FT was measured with the validated Comprehensive Score for Financial Toxicity (COST) instrument, a 12-item survey scored from 0-44 with lower scores reflecting worse financial well-being. Data on patient and treatment characteristics, total out-of-pocket costs (OOP) and extended insurance coverage (EIC) were collected. Multivariable logistic regression models were fit for COST score and each variable, to determine factors associated with greater FT (COST < 21). Results: Of 251 patients approached, 200 (80%) participated. Median age of the cohort was 65 years; 56% were female, 64% immigrants and 77% employed or on pension. Median total OOP while on treatment ranged between $1000-5000 CAD. Median COST score was 21 (range 0-44). FT was associated with age, with patients < 65 years reporting greater FT than older patients (COST 18.0 vs. 24.0, p < 0.0001). In multivariable logistic regression analysis, younger age was associated with greater FT, when adjusting for income, employment status, OOP and EIC (OR 3.6, [95% CI, 1.5-9.1]; p < 0.0001). Total OOP > $1000 and EIC also were associated with greater FT (adjusted OR 5.0 [95% CI, 2.0-12.1] and 3.7 [95% CI, 1.5-9.1], respectively). Conclusions: Age is significantly associated with FT in the Canadian (Ontario) public healthcare system, with younger lung cancer patients reporting greater financial distress. This study highlights priority patient populations where FT should be routinely assessed and appropriate resources for support offered.
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 | 0,001 | 0,005 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».