EPID-08. FINDING THE NEEDLE IN THE HAY STACK – POPULATION-BASED STUDY OF PREDIAGNOSTIC SYMPTOMATIC INTERVAL IN CHILDREN WITH CNS TUMORS
Notice bibliographique
Résumé
Abstract PURPOSE Delay in diagnosis of central nervous system (CNS) tumors in children is well documented. The aims of this study were to characterize the symptomatology of CNS tumors and the time to diagnosis in a large pediatric hospital in Canada. METHODS Retrospective chart review of children diagnosed with a CNS tumor between 2000 and 2016 in Vancouver, British Columbia, Canada was performed. Data collected included demographics, symptomatology, tumor type, age at diagnosis, known visits to healthcare professionals, neuroimaging, therapy and post treatment relapse or progression. RESULTS 148 children with complete medical records were reviewed. The average age at diagnosis was 87.8 months (standard deviation (SD) = 59.7; median = 72). 50.7% of patients had posterior fossa tumors and 49.3% had supratentorial tumors. 30% of patients were diagnosed after a single visit to a health care provider. 7.7% of children needed more than 4 visits. Median total time to diagnosis (PSI) was 62 days (range = 0-2047 days). The longest prediagnostic interval was first symptom onset to first healthcare provider visit (PSI1, median 37 days). Patients with posterior fossa tumors, presence of metastases, and symptoms of ataxia and paresis were associated with shorter PSI. CONCLUSIONS CNS tumors in children continue to pose a diagnostic challenge with significant variability in time to diagnosis. Our population-based study found that median time from symptoms to seeking medical advice by parents was over a month. It is essential to uncover the reasons for delay and address them where possible.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».