Patient-Reported Experiences of Breast Cancer Screening, Diagnosis, and Treatment Delay, and Telemedicine Adoption during COVID-19
Notice bibliographique
Résumé
Purpose: To evaluate and quantify potential sociodemographic disparities in breast cancer screening, diagnosis, and treatment due to the COVID-19 pandemic, and the use of telemedicine. Methods: We fielded a 52-item web-based questionnaire from 14 May 2020 to 1 July 2020 in partnership with several U.S.-based breast cancer advocacy groups. Individuals aged 18 or older were eligible for this study if they: (1) received routine breast cancer screening; OR (2) were undergoing diagnostic evaluation for breast cancer; OR (3) had ever been diagnosed with breast cancer. We used descriptive statistics to understand the extent of cancer care delay and telemedicine adoption and used multivariable logistic regression models to estimate the association of sociodemographic factors with odds of COVID-19-related delays in care and telemedicine use. Results: Of 554 eligible survey participants, 493 provided complete data on demographic and socioeconomic factors and were included in the analysis. Approximately half (n = 248, 50.3%) had a personal history of breast cancer. Overall, 188 (38.1%) participants had experienced any COVID-19-related delay in care including screening, diagnosis, or treatment, and 339 (68.8) reported having at least one virtual appointment during the study period. Compared to other insurance types, participants with Medicaid insurance were 2.58 times more likely to report a COVID-19-related delay in care (OR 2.58, 95% Cl: 1.05, 6.32; p = 0.039). Compared to participants with a household income of less than USD 50,000, those with a household income of USD 150,000 or more were 2.38 (OR 2.38, 95% Cl: 1.09, 5.17; p = 0.029) times more likely to adopt virtual appointments. Self-insured participants were 70% less likely to use virtual appointment compared to those in other insurance categories (OR 0.28, 95% Cl: 0.11, 0.73; p = 0.009). Conclusions: The COVID-19 pandemic has had a significant impact on breast cancer screening, diagnosis, and treatment, and accelerated the delivery of virtual care. Lower-income groups and patients with certain insurance categories such as Medicaid or self-insured could be more likely to experience care delay or less likely to use telemedicine. Careful attention must be paid to vulnerable groups to insure equity in breast cancer-related service utilization and telemedicine access during and beyond the COVID-19 pandemic.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».