The longitudinal impact of COVID-19 on the diagnosis and treatment of lung cancer at a Canadian academic center: Interim analysis from a retrospective chart review.
Notice bibliographique
Résumé
e18737 Background: The coronavirus disease 2019 (COVID-19) has significantly impacted clinical activities across many medical specialties. The care of lung cancer (LC) patients is no exception. Our group recently reported that the rate of new lung cancer diagnoses declined by 35% during the first year of COVID-19 pandemic (year 2020). The objective of the present study is to continue to evaluate changes in lung cancer diagnosis and management during 3rd and 4th waves of the pandemic (2021). Methods: This is a retrospective chart review study including patients diagnosed with lung cancer between March 1st 2019 and February 1st 2022 at the Jewish General Hospital, Montreal, QC, Canada. We compared 3 cohorts: Cohort 1: 2019 (pre-COVID). Cohort 2: 2020 (1st year of COVID). Cohort 3: 2021 (2nd year of COVID; reporting for 10 months of 2021). Results: A total of 388 patients were diagnosed with lung cancer throughout the three-year study: 130 in cohort 1, 103 in cohort 2 and 155 in cohort 3. Although there was a 35% decline of new lung cancer (LC) diagnoses observed in the 1st year of COVID, there was a 50% increase in diagnoses during the 2nd year comparing to the first year and a 19.2% increase compared to the pre-COVID year. Stage 4 LC diagnoses increased by 29% in 2021 compared to 2019 (88 cases vs 68 cases) and by 54% compared to 2020 (88 cases vs 57 cases). Early stage curative treatments (which had significantly changed in 2020, as the use of radiation therapy [RT] increased by 125% and surgery decreased by 38%), approached pre-pandemic levels in 2021. In 2021 we observed a decrease in RT and a significant increase in surgical resections. Analyses of wait time for initiation of treatment is still ongoing. Conclusions: The present study represents interim data in our ongoing effort to evaluate the dynamic impacts of the COVID-19 pandemic on diagnosis and delivery of LC care. The pattern of lung cancer treatment modalities for early stage disease appears to be recovering to pre-COVID rates. However, the significant decrease in lung cancer diagnoses during the first year of the pandemic has resulted in an increase in new diagnoses during the 2nd year at unfortunately more advanced stage of disease.[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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».