Medical oncology in India: Workload, infrastructure, and delivery of care
Notice bibliographique
Résumé
Abstract Background: The growing burden of cancer within India has implications across the health system including operational delivery of cancer care and planning for human health resources. Here, we report the Indian results of a global survey of medical oncology (MO) workload in comparison to medical oncologists (MOs) in other low-middle- income countries (LMICs). Methods: An online survey was distributed through a snowball method through national oncology societies to chemotherapy-prescribing physicians in 22 LMICs. The survey was distributed to Indian MOs by the Indian Society of Medical and Pediatric Oncology and the National Cancer Grid of India. The workload was measured as the annual number of new cancer patient consults seen per oncologist. Results: One hundred and forty-seven oncologists from LMICs completed the survey; 82 from India and 65 from other LMICs. About 59% (48/82) of Indian MOs reported working exclusively in the private health system compared to 23% (15/65) of MOs in other LMICs (P < 0.001). The median number of annual consults per MO was 475 in India compared with 350 in other LMICs. The proportion of MOs seeing >1000 new consults/year was 24% (20/82) in India and 20% (13/65) in other LMICs (P = 0.530). The median number of patients seen in a full-day clinic was 35 in India and 25 in other LMCs (P = 0.003); 26% of Indian MO reported seeing >50 patients per day. Compared to other LMICs, Indian MOs worked more days/week (median 6 vs. 5, P < 0.001) and hours/week (median 51–60 vs. 41–50, P = 0.004) and had less annual leave for vacation (3 weeks vs. 4, P = 0.017). Conclusion: Indian MOs have higher clinical volumes and workload than MOs in other LMICs and substantially higher workload than MOs in high-income countries. Indian health policymakers should consider alternative models of care and increasing MO workforce supply to address the growing burden of cancer.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».