Impact of population center (PC) size on access to care in advanced hepatocellular carcinoma (HCC).
Notice bibliographique
Résumé
489 Background: To evaluate access to subspecialists, local therapies, treatment at a specialized HCC center, and survival in advanced HCC patients (pts) based on geographical distribution. Methods: Retrospective chart review was performed on HCC pts who received sorafenib in British Columbia from 2008 to 2016. Pts were stratified by Statistics Canada PC size criteria: large urban PC (LUPC), medium urban PC (MUPC), and small urban PC (SUPC). Chi-square tests and Kaplan Meier were used to analyze the groups. Results: Of 288 pts, geographical distribution was: LUPC 75%, MUPC 16%, SUPC 8%, and rural 0.3%. Age, gender, and ECOG performance status were similar; a higher proportion of Asians (50 vs 9 vs 4%), Child Pugh A (93 vs 83 vs 83%), and hepatitis B (37 vs 15 vs 4%) was observed in LUPC vs MUPC and SUPC, respectively. SUPC pts were less likely to see a hepatologist (p=0.04, Table); access to other subspecialists was similar. Pts from LUPC were more likely to have transarterial chemoembolization compared to MUPC and SUPC (38 vs 20 vs 21%; p=0.04); receipt of other local therapies was similar. Sixty percent were treated at a specialized HCC center and were more likely to see a hepatologist (83 vs 19%), hepatobiliary surgeon (57 vs 42%), and/or interventional radiologist (32 vs 13%) (all p<0.01). Median OS was higher for pts treated at a HCC center (24.7 vs 13.2 mo, p<0.01), but similar when stratified by PC size (overall mOS 19.3 mo, p=0.59). Conclusions: Geography did not significantly impact access to care or survival, but pts treated at a specialized HCC center have improved survival. Further research is needed to better understand social and clinical factors that influence these findings. [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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».