High-Cost Cancer Treatment Across Borders in Conflict Zones: Experience of Iraqi Patients in Lebanon
Notice bibliographique
Résumé
PURPOSE: Conflict-induced cross-border travel for medical treatment is commonly observed in the Middle East. There has been little research conducted on the financial impact this has on patients with cancer or on how cancer centers can adapt their services to meet the needs of this population. This study examines the experience of Iraqi patients seeking care in Lebanon, aiming to understand the social and financial contexts of conflict-related cross-border travel for cancer diagnosis and treatment. PATIENTS AND METHODS: After institutional review board approval, 60 Iraqi patients and caregivers seeking cancer care at a major tertiary referral center in Lebanon were interviewed. RESULTS: Fifty-four respondents (90%) reported high levels of financial distress. Patients relied on the sale of possessions (48%), the sale of homes (30%), and vast networks to raise funds for treatment. Thematic analysis revealed several key drivers for undergoing cross-border treatment, including the conflict-driven exodus of Iraqi oncology specialists; the destruction of hospitals or road blockages; referrals by Iraqi physicians to Lebanese hospitals; the geographic proximity of Lebanon; and the lack of diagnostic equipment, radiotherapy machines, and reliable provision of chemotherapy in Iraqi hospitals. CONCLUSION: As a phenomenon distinct from medical tourism, conflict-related deficiencies in health care at home force patients with limited financial resources to undergo cancer treatment in neighboring countries. We highlight the importance of shared decision making and consider the unique socioeconomic status of this population of patients when planning treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».