MétaCan
Menu
Retour à la cohorte
Enregistrement W3092074431 · doi:10.1200/jco.2020.38.29_suppl.160

Demographic, socioeconomic, and clinical factors associated with oncology patient experience in the Ontario cancer system.

2020· article· en· W3092074431 sur OpenAlexaffabout
Mary Mahler, Brett Nicholls, Catherine Chan, Narges Nazeri-Rad, Kelvin Chan, Simron Singh

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Satisfaction in Healthcare
Établissements canadiensSunnybrook Health Science CentreCancer Care OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineSocioeconomic statusCancerHealth careLogistic regressionFamily medicinePatient experienceDiseaseInternal medicineImmigrationDemographyGerontologyPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

160 Background: Your Voice Matters (YVM) is an electronic real time Patient Reported Experience Measure (PREM) collected on all adult patients accessing cancer services in Ontario by Cancer Care Ontario/Ontario Health. To our knowledge, this is the largest oncology PREM dataset worldwide. A total of 25 Items are assessed including care coordination, wait times, access to care and satisfaction with healthcare providers. We attempted to identify demographic, socioeconomic and disease factors that predict for a positive patient experience. Methods: Responses were collated from 18 individual cancer centers between Jan 2017 and Dec 2019. Each item was dichotomized into positive/negative experiences. Multivariable logistic regression was constructed for each of the 25 items. Results: Demographics are described in table. Males (OR=1.11, p=0.0032), genitourinary patients (OR=1.30, p=0.0031) and those receiving radiation (OR=1.39, p=<0.0001) were more likely to have a positive experience. Patients aged 18-39 (OR=0.74, p=<0.0001), receiving chemotherapy (OR=0.76, p=0.0002), and with central nervous system or lung cancer (OR= 0.56, p=<0.001; OR=0.79 p=0.0059, respectively) were more likely to have a negative experience. Lowest income patients were more likely to have a negative experience with healthcare providers (OR=0.83, p=0.0119) and patients from the highest immigration areas had a worse quality experience (OR=0.82, p=0.0029). Conclusions: Age, sex, disease site, visit type, income and immigration status significantly influence patients cancer care experience. This information helps promote equity and the use of PREM data to improve cancer care delivery. [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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,494

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,436
Tête enseignante GPT0,575
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetPatient Satisfaction in HealthcareTravaux en français237 207