The state of neuro-oncology during the COVID-19 pandemic: a worldwide assessment
Notice bibliographique
Résumé
BACKGROUND: It remains unknown how the COVID-19 pandemic has changed neuro-oncology clinical practice, training, and research efforts. METHODS: We performed an international survey of practitioners, scientists, and trainees from 21 neuro-oncology organizations across 6 continents, April 24-May 17, 2020. We assessed clinical practice and research environments, institutional preparedness and support, and perceived impact on patients. RESULTS: Of 582 respondents, 258 (45%) were US-based and 314 (55%) international. Ninety-four percent of participants reported changes in their clinical practice. Ninety-five percent of respondents converted at least some practice to telemedicine. Ten percent of practitioners felt the need to see patients in person, specifically because of billing concerns and pressure from their institutions. Sixty-seven percent of practitioners suspended enrollment for at least one clinical trial, including 62% suspending phase III trial enrollments. More than 50% believed neuro-oncology patients were at increased risk for COVID-19. Seventy-one percent of clinicians feared for their own personal safety or that of their families, specifically because of their clinical duties; 20% had inadequate personal protective equipment. While 69% reported increased stress, 44% received no psychosocial support from their institutions. Thirty-seven percent had salary reductions and 63% of researchers temporarily closed their laboratories. However, the pandemic created positive changes in perceived patient satisfaction, communication quality, and technology use to deliver care and mediate interactions with other practitioners. CONCLUSIONS: The pandemic has changed treatment schedules and limited investigational treatment options. Institutional lack of support created clinician and researcher anxiety. Communication with patients was satisfactory. We make recommendations to guide clinical and scientific infrastructure moving forward and address the personal challenges of providers and researchers.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».