EPCT-11. RURALITY INDEX SCORE AND PEDIATRIC NEURO-ONCOLOGICAL OUTCOME IN ONTARIO
Notice bibliographique
Résumé
Abstract Introduction Rapid access to neurosurgical decisions and definitive management are vital for the outcome of neurocritical patients. There are increased challenges of providing services and to maintain critical infrastructure for rural citizens. The relationship between rurality, marginalization and health outcomes has been identified as associated with higher mortality rates and higher rates of many diseases[G1]. Methods Employing linked administrative databases, we retrospectively analyzed a population based cohort of patients diagnosed with a pediatric brain tumour between 1996 to 2017 in Ontario, Canada. The Ontario Marginalization Index was employed as a surrogate for rurality providing an overall Rurality Index for Ontario (RIO) in addition to the 2016 Ontario Marginalization Index (ON-MARG). Results Of 1457 patients included, 54.0% were male, 277 of whom were diagnosed in infancy (i.e., < 3 years of age). Income quintile was evenly distributed with 11.5% classified as living in a rural area of Ontario. The median[G2] distance to the nearest pediatric neurosurgical hospital was 59.6km. The rurality index score (RIO) was 0 in 38.8% of children with the majority of patients with a RIO score of <39. The ON-MARG identified 51.9% of patients living in communities with low concentration of individuals without income from employment. A higher RIO score was not a significant factor (Continuous p=0.092/Ordinal p=0.20) associated with length[G3] of follow up, indicating rurality was not a significant factor for determining compliance to[G4] clinical follow-up. However, a trend towards reduced follow-up compliance in the higher RIO score cohort was identified. Conclusion Rurality and social determinants of health of the region pediatric neuro-oncological patients reside were not associated with patient outcome but a trend towards lower follow-up compliance was identified when children were from regions with RIO>39. Implementation of telehealth follow-up for these patients may overcome barrier to clinical follow-up.[G5]
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».