Effects of oncological care pathways in primary and secondary care on patient, professional and health systems outcomes: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Pathways are frequently used to improve care for cancer patients. However, there is little evidence about the effects of pathways used in oncological care. Therefore, we performed a systematic review and meta-analysis aiming to identify and synthesize existing literature on the effects of pathways in oncological care. Methods All patients diagnosed with cancer in primary and secondary/tertiary care whose treatment can be characterized as the strategy “care pathways” are included in this review. A systematic search in seven databases was conducted to gather evidence. Studies were screened by two independent reviewers. Study outcomes regarding patients, professionals, and system level were extracted from each study. Results Out of 13,847 search results, we selected 158 articles eligible for full text assessment. One hundred fifty studies were excluded and the remaining eight studies represented 4786 patients. Most studies were conducted in secondary/tertiary care. Length of stay (LOS) was the most common used indicator, and was reported in five studies. Meta-analysis based on subgroups showed an overall shorter LOS regarding gastric cancer (weighted mean difference (WMD)): − 2.75, CI: − 4.67 to − 0.83) and gynecological cancer (WMD: − 1.58, CI: − 2.10 to − 1.05). Costs were reported in six studies and most studies reported lower costs for pathway groups. Conclusions Despite the differences between the included studies, we were able to present an evidence base for cancer care pathways performed in secondary/tertiary care regarding the positive effects of LOS in favor of cancer care pathways. Systematic review registration PROSPERO CRD42017057592.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,044 | 0,002 |
| 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 | 0,001 |
| 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 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 ».