Pathum Raksa Project: Addressing Disparity in Breast Cancer Care Through National Innovation in Thailand
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Breast cancer is a growing public health challenge in Thailand. Pathum Raksa project was launched in 2015, as a result of higher than expected rate of triple-negative breast cancers in Thai women. The purpose of this project was to identify the cause(s) and address the issue(s), hence improving the quality of breast cancer biomarker testing in Thailand. MATERIALS AND METHODS: Nineteen hospitals across the country, with 902 breast cancer patients were enrolled in this study during 2015-2020. The pre- and post-data from Pathum Raksa initiative was only available for Khon Kaen University (KKU) and Udonthani hospitals in Northeast Thailand. We developed a resource-stratified strategic plan that included designing a unique specimen container, forming multidisciplinary teams from the Surgery and Pathology Departments, and employing locally developed innovative technologies to optimize the entire process of breast cancer diagnostics and biomarker testing. RESULTS: = 0.48), respectively. The rate of ER+ breast cancers in both hospitals increased 5% post-Pathum Raksa implementation. The rate of HER2-neu+ (score 3+) also increased in both hospitals (particularly an increased 65% rate in KKU). Luminal A/B cancers were the most common subtype in both KKU and Udonthani hospitals. CONCLUSION: Pathum Raksa project has significantly improved breast cancer biomarker testing in Thailand. As a result of this national innovation, false-negative rates of breast biomarkers have significantly decreased, resulting in improving prognosis, treatment, and survival of breast cancer women in Thailand.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle