Impact of wait times on survival of women with uterine cancer.
Notice bibliographique
Résumé
5586 Background: Reducing cancer wait times have been a priority investment for Cancer Care Ontario since 2005. Our objective was to determine whether wait time from histologic diagnosis of uterine cancer to time of definitive surgery by hysterectomy impacted on all cause survival. Methods: Cases were identified in the Ontario Cancer Registry using ICD-09 codes 179 and 182. Excluded were women without histologic/cytologic confirmation of cancer prior to surgery, with no definitive surgery, or with wait times of ≤14 days or >2 years. Survival was calculated using the Kaplan-Meier method from the day of hysterectomy. Factors were evaluated for their prognostic ability on survival using Cox proportional hazards regression. Wait time was evaluated as a continuous variable and dichotomized at selected cutpoints in the univariable analyses and in a multivariable model adjusting for significant patient factors identified using forward stepwise selection. Results: The final study population included 8,744 women. 51.9% had surgery by a gynaecologist and 69.9% had endometrioid adenocarcinoma. The optimal model is shown below. Multivariable analysis of factors prognostic for survival. Longer wait times remained a statistically significant negative prognostic factor for survival regardless of definition, univariably (p<0.002) and multivariably after adjusting for other significant factors (p<0.001). The final multivariable model is shown. 5-year (95%CI) survival for women with more than 12 week wait times was 61.4 (57.8-64.8)% versus 71.9 (69.9-73.8)% for women with less than 6 week wait time. Conclusions: The longer a woman waits from diagnosis of uterine cancer to definitive surgery negatively impacts her overall survival. [Table: see text]
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».