Disrupting the paradigm of oncology care in Canada: the triumphs, challenges and future implications of telemedicine
Notice bibliographique
Résumé
Medicine has long been one of the lingering aspects of society yet to be fully disrupted by technological advances. Unlike media, banking and commerce which have adapted to the growing demand for convenience and accessibility from the public, the practice of medicine in many ways remains much unchanged from decades prior. The 2019 novel coronavirus (COVID-19) demanded an immediate shift in the way Canadian healthcare was delivered to reduce the risk of viral transmission from in person patient encounters. Cancer poses a large and ever-increasing impact on the Canadian population and healthcare resources. Brenner et al. (2020) estimated nearly half of the Canadian population will develop cancer in their lifetime in addition to the recent increasing yearly number of new diagnoses and deaths as the population grows and ages [1]. Cancer patients were initially an ideal population for telemedicine encounters during the pandemic. These patients often have additional comorbidities association with COVID-19 mortality and a diagnosis of cancer may further increase this risk [2]. As healthcare enters a second year within the new paradigm of virtual medicine, it is important to consider the impact and future of telemedicine on Canada’s ever-growing oncology patients.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,008 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».