Childhood cancer survivorship care during the COVID-19 pandemic: an international report of practice implications and provider concerns
Notice bibliographique
Résumé
PURPOSE: Long-term follow-up (LTFU) care is essential to optimise health outcomes in childhood cancer survivors (CCS). We aimed to assess the impact of the COVID-19 pandemic on LTFU services and providers. METHODS: A COVID-19 working group within the International Late Effects of Childhood Cancer Guideline Harmonization Group (IGHG) distributed a questionnaire to LTFU service providers in 37 countries across Europe, Asia, North America, Central/South America, and Australia. The questionnaire assessed how care delivery methods changed during the pandemic and respondents' level of worry about the pandemic's impact on LTFU care delivery, their finances, their health, and that of their family and friends. RESULTS: Among 226 institutions, providers from 178 (79%) responded. Shortly after the initial outbreak, 42% of LTFU clinics closed. Restrictions during the pandemic resulted in fewer in-person consultations and an increased use of telemedicine, telephone, and email consultations. The use of a risk assessment to prioritise the method of LTFU consultation for individual CCS increased from 12 to 47%. While respondents anticipated in-person consultations to remain the primary method for LTFU service delivery, they expected significantly increased use of telemedicine and telephone consultations after the pandemic. On average, respondents reported highest levels of worry about psychosocial well-being of survivors. CONCLUSIONS: The pandemic necessitated changes in LTFU service delivery, including greater use of virtual LTFU care and risk-stratification to identify CCS that need in-person evaluations. IMPLICATIONS FOR CANCER SURVIVORS: Increased utilisation of virtual LTFU care and risk stratification is likely to persist post-pandemic.
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 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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».