MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281739610 · doi:10.1200/jco.2022.40.16_suppl.e13649

The impact of virtual oncology care on chemotherapy continuity and clinical outcomes in patients treated for colorectal cancer: A pre-post analysis of the COVID-19 pandemic.

2022· article· en· W4281739610 sur OpenAlexaffabout
William J. Phillips, Macyn Leung, Kednapa Thavorn, Timothy R. Asmis

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicinePandemicColorectal cancerInternal medicineCancerChemotherapyOdds ratioEmergency departmentEmergency medicineIncidence (geometry)Coronavirus disease 2019 (COVID-19)OncologyDiseaseNursingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

e13649 Background: The coronavirus (COVID-19) pandemic has resulted in an abrupt transition to virtual oncology care at most cancer centres worldwide. A pillar of the American Medical Association’s proposed framework for digitally enabled care is assessing clinical quality, safety, and outcomes. This study’s objective is to evaluate chemotherapy quality and clinical outcomes in patients receiving intravenous chemotherapy for colorectal cancer before and during the COVID-19 pandemic. Methods: This is an observational study assessing patients treated with intravenous chemotherapy for colorectal cancer consecutively at the Ottawa Hospital Cancer Centre from June 2019 to September 2021. Patients with non-metastatic rectal cancer were excluded. Patient were stratified by whether they were started on chemotherapy pre-pandemic (June 2019 – Jan 2020) versus intra-pandemic (Feb 2020 – Sept 2021). Baseline characteristics and treatment data were collected from the electronic medical records. Outcomes of interest included chemotherapy delays, dose reductions, emergency department (ED) visits and hospitalizations. We used generalized linear and binary logistic regression modelling to compare outcomes between pre- and intra-pandemic periods. Results: There were 220 patients included in this study with 108 (49%) diagnosed with metastatic disease. In total, there were 66 (30%) patients treated in the pre-pandemic and 154 (70%) in the intra-pandemic period. As expected, virtual care consultations increased during the pandemic from 1.5% to 43.5% (p < 0.001). Likewise, the proportion of follow-up visits also increased from 37% to 84% (p < 0.001). There was no difference in the incidence of treatment delays (odds ratio [OR] = 1.01, p = 0.78), dose reductions (OR = 0.99, p = 0.69), ED visits (OR = 1.23, p = 0.37), hospitalizations (OR = 0.73, p = 0.43) or the total length of time off treatment (OR = 0.85, p = 0.17) between the pre- and intra-pandemic periods by multivariable analysis. A subgroup analysis was performed based on stage, which showed no difference in outcomes independent of the presence of metastases. Conclusions: This study demonstrates no significant difference in chemotherapy interruptions, dose intensity, or clinical outcomes in patients treated for colorectal cancer during the COVID-19 pandemic. These findings serve as an important quality-care indictor and demonstrate that virtual oncology care appears safe in a cohort of high-risk colorectal cancer patients. Future work dedicated to other tumor sites would allow for broader application of these findings.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,575
Écart entre enseignants0,424 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→