A Cross-Sectional Survey Exploring the Impact of the COVID-19 Pandemic on the Cancer Care of Adolescents and Young Adults
Notice bibliographique
Résumé
We aimed to describe the negative and positive impacts of changes in cancer care delivery due to COVID-19 pandemic for adolescents and young adults (AYAs) in Canada, as well as the correlates of negative impact and their perspectives on optimization of cancer care. We conducted an online, self-administered survey of AYAs with cancer living in Canada between January and February 2021. Multiple logistic regression was used to identify factors associated with a negative impact on cancer care. Of the 805 participants, 173 (21.5%) experienced a negative impact on their cancer care including delays in diagnostic tests (11.9%), cancer treatment (11.4%), and appointments (11.1%). A prior diagnosis of mental or chronic physical health condition, an annual income of <20,000 CAD, ongoing cancer treatment, and province of residence were independently associated with a negative cancer care impact (p-value < 0.05). The majority (n = 767, 95.2%) stated a positive impact of the changes to cancer care delivery, including the implementation of virtual healthcare visits (n = 601, 74.6%). Pandemic-related changes in cancer care delivery have unfavorably and favorably influenced AYAs with cancer. Interventions to support AYAs who are more vulnerable to the adverse effects of the pandemic, and the thoughtful integration of virtual care into cancer care delivery models is essential.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».