MétaCan
Menu
← Retour à la cohorte
Enregistrement W3169329629 · doi:10.1200/jco.2021.39.15_suppl.e17052

Radiation oncologist consultations prior to prostatectomy in Ontario, Canada: Disparities and opportunities.

2021· article· en· W3169329629 sur OpenAlexaffabout
Mark T. Corkum, Andrew Loblaw, Gerard Morton, Alexander V. Louie, Rachel Glicksman, Joseph L. Chin, Girish S. Kulkarni, Robert Dinniwell, Barbara J. Fisher, Refik Saskin, Jason Pantarotto, Andrew Warner, George Rodrigues

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensInstitute for Clinical Evaluative SciencesOttawa HospitalPrincess Margaret Cancer CentreUniversity Health NetworkUniversity of TorontoLondon Health Sciences CentreHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineProstatectomyProstate cancerRadiation oncologistLogistic regressionPopulationOdds ratioCancer registryInternal medicineCancerGynecologyRadiation therapyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

e17052 Background: Men with localized prostate cancer have many options for initial definitive treatment. In 2015, Cancer Care Ontario Quality Based Procedures (QBP) recommended that men undergoing radical prostatectomy (RP) in Ontario be seen by a radiation oncologist (RO) or discussed at a multidisciplinary case conference (MCC) prior to surgery. An a-priori target rate of 76% was set by QBP, but to our knowledge, has not been reported upon to date. Our objective was to use population-based data to explore factors associated with not receiving RO consult/MCC prior to RP. Methods: Men with localized prostate cancer diagnosed and treated in Ontario, Canada with RP between 2007 and 2017 were identified using administrative data from the Institute for Clinical Evaluative Sciences. Physician billing data was utilized to identify patients who received RO consult/MCC prior to RP. Trends were evaluated using the Cochran-Armitage test. Multivariable logistic regression was used to identify patient and provider factors predictive of RO/MCC prior to RP. Results: 31,467 men with localized prostate cancer underwent RP between 2007 and 2017. Prior to RP, 29.3% of men were seen by RO, 1.0% underwent MCC, and 1.6% had both. RO consult/MCC prior to RP increased from 18.0% in 2007 to 47.8% in 2017 ( p<0.001). On multivariable analysis, the Odds Ratio (OR) of RO consult/MCC prior to RP between the lowest and highest geographic regions (LHINs) was 8.79 (95% CI 6.83–11.32, p<0.001). RO consult/MCC was less likely to occur for patients living further from the nearest cancer center (OR 0.74 per 50km, 95% CI 0.70–0.77, p<0.001) and more likely to occur for men residing in the highest versus lowest income quintile regions (OR 1.42, 95% CI 1.30–1.55, p<0.001). Men with NCCN Low (OR 1.31, 95% CI 1.16–1.47, p<0.001), High (OR 1.20, 95% CI 1.09–1.31, p<0.001) or Very High (OR 1.24, 95% CI 1.11–1.30, p<0.001) risk disease were more likely to receive RO consult/MCC compared to those with favourable-intermediate risk disease. Of the 128 urologists who performed at least 10 RP between 2016 and 2017, RO referral/MCC rate ranged from 0% to 100%, with 31 urologists (24.2%) having ≥76% of their patients seen prior to RP. To meet QBP targets in 2017, an additional 701 men would have needed RO consult/MCC. If all were seen by RO, approximately 2.4 additional full time equivalent RO positions would be needed. Conclusions: Despite increasing rates of utilization, a large proportion of men are not seen by RO or MCC prior to RP in Ontario, Canada. While the largest factors predicting RO consult/MCC discussion appear to be geographic and which urologist performs the RP, these factors are closely intertwined. In addition, these factors may be related to RO availability and radiation system capacity, which would need to be addressed to meet patient demand should QBP consultation rates be mandated to reduce disparities in pre-RP consultation practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,206

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,436
Tête enseignante GPT0,542
Écart entre enseignants0,106 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetClinical practice guidelines implementation→Travaux en français237 207→