Time to Surgical Treatment for Metastatic Spinal Disease: Identification of Delay Intervals
Notice bibliographique
Résumé
STUDY DESIGN: Retrospective cohort study. OBJECTIVES: Minimizing delays in referral, diagnosis and treatment of patients with symptomatic spinal metastases is important for optimal treatment outcomes. The primary objective of this study was to investigate several forms of delay from the onset of symptoms until surgical treatment of spinal metastases for patients with and without a known preexisting known malignancy. METHODS: All patients receiving surgical treatment for spinal metastases in a single tertiary spine center were identified. Referral patterns were reconstructed and the total delay was divided into 4 categories: patient delay (onset of symptoms until medical consultation), diagnostic delay (medical consultation until diagnosis), referral delay (diagnosis until referral to spine surgeon) and treatment delay (referral spine to surgeon until treatment). These intervals were compared between patients with and without a known preexisting malignancy. RESULTS: The median total delay was 99 days, patient delay 19 days, diagnostic delay 21,5 days, referral delay 7 days, treatment delay 8 days and diagnosis and treatment delay combined 18,5 days. No difference in total delay was observed between patients with and without a known preexisting malignancy. Total delay was not significantly associated with patient age, sex, oncological history, tumor prognosis and spinal level of the tumor. CONCLUSIONS: Patients with symptomatic spinal metastases experience considerable delays, even after metastatic spinal disease has been diagnosed, regardless of a preexisting malignancy. By identifying and eliminating the causes of these delays, diagnosis, referral and treatment may be expedited leading to improved patient outcome.
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) | 0,000 | 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) | 0,001 | 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 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 ».