The financial impact of cancer care on renal cancer patients.
Notice bibliographique
Résumé
INTRODUCTION Advances in novel treatment options may render renal cell cancer (RCC) patients susceptible to the financial toxicity (FT) of cancer treatment, and the factors associated with FT are unknown. MATERIALS AND METHODS: Eligible patients were ≥ 18 years old and had a diagnosis of stage IV RCC for at least 3 months. Patients were recruited from Princess Margaret Cancer Centre and Sunnybrook Odette Cancer Centre (Toronto, Canada). FT was assessed using the validated Comprehensive Score for Financial Toxicity (COST) instrument, a 12-question survey scored from 0-44, with lower scores reflecting worse FT. Patient and treatment characteristics, out-of-pocket costs (OOP) and private insurance coverage (PIC) were collected. Factors associated with worse FT (COST score < 21) were determined. RESULTS: Sixty-five patients were approached and 80% agreed to participate (n = 52). The median age was 62 (44-88); 20% were female (n = 10); 43% were age ≥ 65 (n = 22); 63% were Caucasian (n = 31). Median COST score was 20.5 (3-44). Factors associated with worse FT were age < 65 (OR 9.5, p = 0.007), high OOP (OR 4.4, p = 0.04) and receiving treatment off clinical trial (in comparison to being on surveillance or on clinical trial) (OR 5.9, p = 0.03), when adjusting for other factors in multivariable logistic regression. However, there was no correlation between annual income or PIC and FT. CONCLUSION: Financial toxicity in the RCC population is more significant in younger patients and those on treatment outside of a clinical trial. Financial aid should be offered to these at-risk patients to optimize adherence to life prolonging RCC treatments.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».