Canadian healthcare capacity gaps for disease-modifying treatment in Huntington’s disease: a survey of current practice and modelling of future needs
Notice bibliographique
Résumé
OBJECTIVES: Disease-modifying therapies in development for Huntington's disease (HD) may require specialised administration and additional resource capacity. We sought to understand current and future capacity for HD management in Canada considering the possible introduction of an intrathecal (IT) disease-modifying treatment (DMT). DESIGN, SETTING AND PARTICIPANTS: Using a case study, mixed methods framework, online surveys followed by semistructured interviews were conducted in late 2020 and early 2021. Neurologists from Canadian HD (n=16) and community (n=11) centres and social workers (n=16) were invited to complete online surveys assessing current HD management and potential capacity to support administration of an IT DMT. OUTCOME MEASURES: Survey responses, anticipated demand and assumed resource requirements were modelled to reveal capacity to treat (ie, % of eligible patients) by centre. Resource bottlenecks and incremental support required (full-time equivalent, FTE) were also determined. RESULTS: Neurologists from 15/16 HD centres and 5/11 community centres, plus 16/16 social workers participated. HD centres manage 94% of patients with HD currently seeking care in Canada, however, only 20% of IT DMT-eligible patients are currently seen by neurologists. One-third of centres have no access to nursing support. The average national incremental nursing, room, neurologist and social worker support required to provide IT DMT to all eligible patients is 0.73, 0.36, 0.30 and 0.21 FTE per HD centre, respectively. At peak demand, current capacity would support the treatment of 6% of IT DMT-eligible patients. If frequency of administration is halved, capacity for IT-DMT administration only increases to 11%. CONCLUSIONS: In Canada, there is little to no capacity to support the administration of an IT DMT for HD. Current inequitable and inadequate resourcing will require solutions that consider regional gaps and patient needs.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».