L’impact de la pandémie de covid 19 sur le diagnostic du cancer dans un service de pathologie du sud du Brésil
Notice bibliographique
Résumé
La pandémie de Covid-19 a eu un impact significatif sur la vie des gens. L’un de ces impacts peut être vérifié dans le diagnostic d’autres maladies, en particulier le cancer. Problème: Quel a été l’impact sur le diagnostic des nouveaux cas de cancer dans la région couverte par un service de pathologie dans le sud du Brésil pendant la pandémie ? Objectif général: Évaluer s’il y a eu une diminution du nombre de diagnostics de cancer dans un service de pathologie du sud du Brésil pendant la pandémie. Méthodologie: Nous avons analysé les rapports de cas réalisés dans les Laboratoires du Groupe Infolaudo, au cours des premiers mois de la pandémie (avril et mai 2020) et comparés aux mêmes mois de 2019, afin de mesurer l’impact de la pandémie sur le diagnostic du cancer dans un Service de Pathologie du sud du Brésil. Résultats: En comparant les périodes d’avril et mai 2019 avec la même période en 2020, une diminution de 34,2% des procédures pathologiques a été remarquée. Certains types de cancer, comme le côlon, l’œsophage, le sein et la prostate, ont connu une diminution significative des diagnostics, soit 19,7 %, 45 %, 18,2 % et 37,7 %, respectivement. Conclusion: Avec la fermeture de nombreuses cliniques et cliniques aux premiers stades de la pandémie, il y a eu une diminution des diagnostics de cancer dans les laboratoires étudiés.
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 | 0,007 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».