Impact of the COVID-19 pandemic on non–small-cell lung cancer pathologic stage and presentation
Notice bibliographique
Résumé
BACKGROUND: It is believed that the cessation of normative cancer care services during the COVID-19 pandemic may be resulting in pathologic upstaging and higher long-term mortality rates. We aimed to understand how the pandemic has affected our patients diagnosed with non-small-cell lung cancer (NSCLC). METHODS: We conducted a single-centre retrospective analysis to assess how the COVID-19 pandemic has affected patient referrals, pathologic stage of NSCLC, mortality rates and surgical procedures at our cancer care centre in Ontario, Canada. At our centre, physicians advocated for and followed recommendations that operations in cancer patients should be among the last procedures to be delayed. Patients were included if they were aged 18 years or older, were not receiving palliative care, and had been screened, diagnosed and treated for NSCLC (primary tumours). We compared outcomes between a prepandemic period (January 2019 to February 2020) and a period during the pandemic (March 2020 to February 2021). RESULTS: = 320) the pandemic. CONCLUSION: Cancer care services at our centre were maintained during the COVID-19 pandemic, and potential adverse effects on prognosis and survival that have been seen in other countries were avoided. The results inform health care providers how the effects of future pandemics can be blunted by using proactive preservative strategies and surgeon advocacy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».