Impact of dedicated pediatric neuro‐oncological services in a developing country: A single‐institution, Pakistani experience
Notice bibliographique
Résumé
INTRODUCTION: Brain tumors are the most common solid neoplasms and the second most common malignancy in the pediatric age group. Due to the complexity of their management, pediatric central nervous system (CNS) tumors are not a priority in low- and middle-income countries (LMICs). METHODS: In an attempt to improve the survival rate and overall care, we introduced a dedicated pediatric neuro-oncology service in our institute and evaluated its impact by dividing the pre- and post-era into two cohorts and comparing them: 1998-2013 (16 years: cohort A) and 2014-2019 (6 years: cohort B, after the start of dedicated neuro-oncology services). RESULTS: We observed that after the implementation of a proper neuro-oncology service, the proportion of patients treated with curative intent increased, and survival improved in cohort B. The patient volume also increased from 15.5 per year in cohort A to 44.8 per year in cohort B. The percentage of children given radiation therapy also increased significantly, while the proportion of children treated with chemotherapy remained stable. CONCLUSION: A dedicated multidisciplinary team trained and knowledgeable in the specialty of pediatric neuro-oncology can enhance and improve outcomes, and supportive care and help can provide good quality of life to children and their families with brain neoplasms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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) | 0,001 | 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 ».