Incident Cancer Detection During the COVID-19 Pandemic
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
BACKGROUND: Resource restrictions were established in many jurisdictions to maintain health system capacity during the COVID-19 pandemic. Disrupted healthcare access likely impacted early cancer detection. The objective of this study was to assess the impact of the pandemic on weekly reported cancer incidence. PATIENTS AND METHODS: This was a population-based study involving individuals diagnosed with cancer from September 25, 2016, to September 26, 2020, in Ontario, Canada. Weekly cancer incidence counts were examined using segmented negative binomial regression models. The weekly estimated backlog during the pandemic was calculated by subtracting the observed volume from the projected/expected volume in that week. RESULTS: The cohort consisted of 358,487 adult patients with cancer. At the start of the pandemic, there was an immediate 34.3% decline in the estimated mean cancer incidence volume (relative rate, 0.66; 95% CI, 0.57-0.75), followed by a 1% increase in cancer incidence volume in each subsequent week (relative rate, 1.009; 95% CI, 1.001-1.017). Similar trends were found for both screening and nonscreening cancers. The largest immediate declines were seen for melanoma and cervical, endocrinologic, and prostate cancers. For hepatobiliary and lung cancers, there continued to be a weekly decline in incidence during the COVID-19 period. Between March 15 and September 26, 2020, 12,601 fewer individuals were diagnosed with cancer, with an estimated weekly backlog of 450. CONCLUSIONS: We estimate that there is a large volume of undetected cancer cases related to the COVID-19 pandemic. Incidence rates have not yet returned to prepandemic levels.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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