Primary care and cancer: an analysis of the impact and inequalities of the COVID-19 pandemic on patient pathways
Notice bibliographique
Résumé
OBJECTIVES: We explore the routes to cancer diagnosis to further undertanding of the inequality in the reduction in detection of new cancers since the start of the pandemic. We use different data sets to assess stages in the cancer pathway: primary care data for primary care consultations, routine and urgent referrals and published analysis of cancer registry data for appointments and first treatments. SETTING: Primary and cancer care. PARTICIPANTS: In this study we combine multiple data sets to perform a population-based cohort study on different areas of the cancer pathway. For primary care analysis, we use a random sample of 5 00 000 patients from the Clinical Practice Research Datalink. Postreferral we perform a secondary data analysis on the Cancer Wait Times data and the National Cancer Registry Analysis Service COVID-19 data equity pack. OUTCOME MEASURES: Primary care: consultation, urgent cancer referral and routine referral rates, then appointments following an urgent cancer referral, and first treatments for new cancer, for all and by quintile of patient's local area index of multiple deprivation. RESULTS: Primary care contacts and urgent cancer referrals in England fell by 11.6% (95% CI 11.4% to 11.7%) and 20.2% (95% CI 18.1% to 22.3%) respectively between the start of the first non-pharmaceutical intervention in March 2020 and the end of January 2021, while routine referrals had not recovered to prepandemic levels. Reductions in first treatments for newly diagnosed cancers are down 16.3% (95% CI 15.9% to 16.6%). The reduction in the number of 2-week wait referrals and first treatments for all cancer has been largest for those living in poorer areas, despite having a smaller reduction in primary care contact. CONCLUSIONS: Our results further evidence the strain on primary care and the presence of the inverse care law, and the dire need to address the inequalities so sharply brought into focus by the pandemic. We need to address the disconnect between the importance we place on the role of primary care and the resources we devote to it.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».