Examining patient and visit characteristics associated with the cancer patient experience.
Notice bibliographique
Résumé
204 Background: Your Voice Matters (YVM) is a 28-item patient experience survey for adult cancer outpatients undergoing treatment in Ontario.The purpose was to examine patient and visit characteristics associated with YVM responses. Methods: YVM was administered to eligible patients (n=8,704) at 14 centres in 2017.Respondents answered items on a five-point Likert scale (4 or 5 = positive response). A multivariable logistic regression (MLR) was undertaken for each YVM item.Variables (reference group) included: disease site (heamatology), age group (65+), sex (female), rurality (urban), last visit type (consult), income quintile(highest) and immigration tercile (lowest). Significant results ( p<.05) vary by MLR model. Therefore a p-value range is provided for all significant variables for all MLR models. Results: Patients were more likely to have a less positive experience if they had central nervous system ( p =.000-.013), gastrointestinal ( p =.004-.026), head and neck ( p =.002-.025), or lung cancer ( p =.017-.049); were between the ages of 18-39 years ( p = <.0001-.048); were female ( p =.0001-.022); received chemotherapy( p =.0001-.047); lived in a rural location ( p =.042); from a mid-( p =.027-.045) and mid-high income quartile ( p =.021); and in the high- ( p =.002-.043) and middle-immigrant terciles ( p =.028-.047), when compared to the reference group. Patient were more likely to have a more positive experience if they had skin cancer ( p =.004-.032); were between the ages of 40-64 years ( p =.003-.033); receiving radiation ( p =.0001-.041) or a minor procedure ( p =.015); and were from the mid-low ( p =.003-.042) and low income quartile ( p =.001-.032), when compared to the reference group. Conclusions: The cancer patient experience varies by patient and visit characteristics. Future initiatives should examine these characteristics to better understand their populations to create a more tailored approaches to cancer care.
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 | 0,008 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».