Access to care and outcomes for noncurative esophagogastric cancer: A population-based geographic study.
Notice bibliographique
Résumé
284 Background: Esophagogastric cancer (EGC) carries a heavy mortality burden owing largely to high rates of unresectable disease at diagnosis. Among patients not undergoing curative-intent therapy, access to care may vary. We examined the geographic distribution of care delivery and survival across a jurisdiction, and its relationship with distance to cancer centres (CCs), for non-curative EGC. Methods: We conducted a population-based analysis of adults with non-curative EGC from 2005-2017 using linked administrative healthcare datasets in Ontario, Canada. Outcomes were medical oncology consultation, receipt of chemotherapy, and overall survival (OS). We used geographic information system analysis to map locations of CCs and outcomes across census divisions. Regions of discordance between care use and OS were identified with bivariate choropleth maps. Multivariable modified Poisson models assessed the relationship between distance to the nearest CC and outcomes, adjusting for demographic, clinical, and socioeconomic factors. Results: Of 10,228 patients surviving a median of 5.1 months (IQR: 2.0-12.0), 68.6% had medical oncology consultation and 32.2% received chemotherapy. Regions of comparable OS and care delivery were clustered throughout the province. CCs were distributed unevenly, with higher levels in Southern Ontario. Higher-level CCs clustered in regions with higher rates of consultation, chemotherapy use, and OS. Each increment in distance from location of residence to the nearest CC (11-50, 51-100, and ≥101 km) was associated with lower likelihood of seeing medical oncology and receiving chemotherapy, and inferior OS, compared to ≤10 km. Conclusions: A third of patients with non-curative EGC did not see medical oncology, and the majority did not receive chemotherapy. Care delivery and OS exhibited high geographic variability. Location of residence influenced access to care and OS, with inferior outcomes for those living further from a CC. These findings are important for designing interventions and policies to reduce disparities in access to care and outcomes for non-curative EGC.
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 | 0,002 |
| 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 ».