Barriers to accessing healthcare services: A multidisciplinary approach towards improving pancreatic cancer survival in a Canadian province.
Notice bibliographique
Résumé
e18018 Background: Pancreatic cancer (PC) is associated with the highest death rate among common malignancies and is the fourth leading cause of cancer-related death in North America. Despite similar access to treatment options across Canada, the province of Nova Scotia (NS) has the lowest 5-year survival rate for PC. To investigate reasons behind the poor PC outcomes in NS, a multidisciplinary team was created to investigate barriers to care and streamline patient flow. In 2016, initial data informed the reorganization of the hepatopancreaticobiliary (HPB) multidisciplinary team towards the goal of identifying and reducing barriers to care and, ultimately, improving survival. Methods: This quality improvement project included a retrospective chart review of PC patient data from a single institution (The NS Cancer Center), where over 80% of PC patients from this province are seen. A review of PC diagnosis, referrals patterns, and wait time data was undertaken. Results: Data was extracted on 365 patients with a diagnosis of PC between 2011 and 2014. During that period, only 40.4% of patients diagnosed with PC had a tissue diagnosis and just over 71% had a baseline CA19-9. Referral rate to Medical Oncology (MO) was 53%, mean wait time to see MO was 37.2 days and only 23% of patients received systemic treatment. Initiatives to improve access to care included standardization of diagnostic procedures, early triaging of referrals, transfer of port-a-cath (PAC) insertions from interventional radiology to the HPB surgeons, and the creation of provincial guidelines, which were implemented in 2016. Positive Improvements were observed in all identified barriers to care. Conclusions: Barriers to accessing care for PC patients in NS were identified, and a multidisciplinary team proposed provincial guidelines were implemented to expedite care. Preliminary results show improvement in all aspects of healthcare delivery. Survival data will be available in late 2019. [Table: see text]
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».