The COVID-19 pandemic: An opportunity to rethink and harmonise the frequency of follow-up visits for patients with early stage breast cancer
Notice bibliographique
Résumé
PURPOSE: While routine, in-person follow-up of early-stage breast cancer patients (EBC) after completion of initial treatment is common, the COVID-19 pandemic has resulted in unprecedented changes in clinical practice. A systematic review was performed to evaluate the evidence supporting different frequencies of routine follow-up. METHODS: MEDLINE and the Cochrane Collaboration Library were searched from database inception to July 16, 2020 for randomized controlled trials (RCTs) and prospective cohort studies (PCS) evaluating different frequencies of routine follow-up. Citations were assessed by pairs of independent reviewers. Risk of Bias (RoB) was assessed using the Cochrane RoB tool for RCTs and the Newcastle-Ottawa Quality Assessment Scale for Cohort Studies. Findings were summarized narratively. RESULTS: The literature search identified 3316 studies, of which 7 (6 RCTs and 1 PCS) were eligible. Study endpoints included; quality of life (QoL; 5 RCTs and 1 PCS), disease free survival (DFS) (1 RCT), overall survival (OS) (1 RCT) and cost-effectiveness (1 RCT). The results showed reduction in follow-up frequency had no adverse effect on: QoL (6 studies, n = 920), DFS (1 trial, n = 472) or OS (1 trial, n = 472), but improved cost-effectiveness (1 trial, n = 472). Four RCTs specifically examined follow-up on-demand versus scheduled follow-up visits and found no statistically significant differences in QoL (n = 544). CONCLUSION: While no evidence-based guidelines suggest that follow-up of EBC patients improves DFS or OS, routinely scheduled in-person assessment is common. RCT data suggests that reduced frequency of follow-up has no adverse effects.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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) | 0,000 | 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 ».