Factors Associated with Loss to Follow-up among Cervical Cancer Patients in Rwanda
Notice bibliographique
Résumé
Background: Cervical cancer is among the most common cancers affecting women globally. Where treatment is available in low- and middle-income countries, many women become lost to follow-up (LTFU) at various points of care. Objective: This study assessed predictors of LTFU among cervical cancer patients in rural Rwanda. Methods: We conducted a retrospective study of cervical cancer patients enrolled at Butaro Cancer Center of Excellence (BCCOE) between 2012 and 2017 who were either alive and in care or LTFU at 12 months after enrollment. Patients are considered early LTFU if they did not return to clinic after the first visit and late LTFU if they did not return to clinic after the second visit. We conducted two multivariable logistic regressions to determine predictors of early and late LTFU. Findings: Of 652 patients in the program, 312 women met inclusion criteria, of whom 47 (15.1%) were early LTFU, 78 (25.0%) were late LTFU and 187 (59.9%) were alive and in care. In adjusted analyses, patients with no documented disease stage at presentation were more likely to be early LTFU vs. patients with stage 1 and 2 when controlling for other factors (aOR: 14.93, 95% CI 6.12-36.43). Patients who travel long distances (aOR: 2.25, 95% CI 1.11, 4.53), with palliative care as type of treatment received (aOR: 6.65, CI 2.28, 19.40) and patients with missing treatment (aOR: 7.99, CI 3.56, 17.97) were more likely to be late LTFU when controlling for other factors. Patients with ECOG status of 2 and higher were less likely to be late LTFU (aOR: 0.26, 95% CI 0.08, 0.85). Conclusion: Different factors were associated with early and later LTFU. Enhanced patient education, mechanisms to facilitate diagnosis at early stages of disease, and strategies that improve patient tracking and follow-up may reduce LTFU and improve patient retention.
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 ».