Delay in diagnosis and treatment of gastrointestinal cancer in Nepal.
Notice bibliographique
Résumé
e18269 Background: Gastrointestinal (GI) cancers represent a major health challenge worldwide including Nepal where patients (pts) often present with advanced disease. The purpose of this study was to determine the time delay in diagnosis and treatment by evaluating time from first symptoms to diagnosis and treatment and to identify contributing factors from both pts and the health system in Nepal. Methods: An IRB approved cross sectional study was performed in pts with GI cancers. 50 newly diagnosed pts were enrolled and interviewed with a standardized questionnaire during the last 6 months of 2018. Diagnosis delay was defined as time from first symptoms to histopathological diagnosis. Treatment delay was defined as time from diagnosis to surgery and/or treatment by medical/ radiation oncologist. Results: The median age at diagnosis was 52.5 years. 52% had gastroesophageal cancer and 48% had colorectal cancer. 84% presented with Stage III/ IV disease. The median diagnosis delay was 217 days and the median treatment delay was 37 days. The median patient delay (time from first symptoms to first medical consultation) was 150 days. 64% were illiterate, 94% had a history of self medication prior to first medical consultation, 68% were from rural areas with limited healthcare facilities and 72% were unaware of causes of GI cancers. Reasons for diagnostic delay appear to be self diagnosis, self medication and lack of a prompt referral system. Reasons for treatment delay included financial constraint, prolonged wait times for procedures and treatment due to limited skilled manpower. Conclusions: Our data shows there is a significant delay in diagnosis and treatment especially in the time from first symptoms to first medical consultation. We found many preventable reasons for this that, if addressed appropriately, could have a significant impact on reducing the morbidity and mortality of GI cancers. There is an urgent need for intensive and comprehensive cancer education in Nepal and other developing countries.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».