Access to Cancer Care in Northwestern Ontario—A Population-Based Study Using Administrative Data
Notice bibliographique
Résumé
Background: Despite universal access to health care in Canada, there are disparities relating to social determinants of health that contribute to discrepancies between rural and urban areas in cancer incidence and outcomes. Given that Canada has one of the highest-quality national population-based cancer registry systems in the world and that little information is available about cancer statistics specific to northwestern Ontario, the purpose of the present study was to estimate the percentage of cancer patients without documentation of a specialist consultation (medical or radiation oncology consultation) and to determine factors that affect access to specialist consultation in northwestern Ontario. Methods: This population-based retrospective study used administrative data obtained through the Ontario Cancer Data Linkage Project. For each index case, a timeline was constructed of all Ontario Health Insurance Plan billing codes and associated service dates, starting with the primary cancer diagnosis and ending with death. Specific factors affecting access to specialist consultation were assessed. Results: Within the 6-year study period (2010–2016), 2583 index cases were identified. Most (n = 2007, 78%) received a specialist consultation. Factors associated with not receiving a specialist consultation included older age [p < 0.0001; odds ratio (or): 0.29; 95% confidence interval (ci): 0.19 to 0.44] and rural residence (p < 0.0001; or: 0.48; 95% ci: 0.48 to 0.72). Factors associated with receiving a specialist consultation included a longer timeline (p < 0.0001; or: 1.32; 95% ci: 1.19 to 1.46), a diagnosis of breast cancer (p < 0.0001; or: 2.51; 95% ci: 1.43 to 4.42), and a diagnosis of lung cancer (p < 0.0001; or: 1.77; 95% ci: 1.38 to 2.26). Conclusions: This study is the first to look at care access in northwestern Ontario. The complexity and multidisciplinary nature of cancer care makes the provision of appropriate care a challenge; a one-size-fits-all disease prevention and treatment strategy might not be appropriate.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».