Understanding how cancer survivors’ needs and experiences after treatment impact their health care utilization: a survey-administrative health data linkage study.
Notice bibliographique
Résumé
ObjectivesTo link population-based survey data to routinely collected administrative health data to enable investigation of how cancer survivors' ongoing physical, emotional, and practical needs and experiences after completing cancer treatment impact their healthcare utilization, including discharge from oncology to primary care. ApproachThe "Cancer Transitions Survey" is a population-based survey examining survivors' experiences and needs after completing cancer treatment. The survey was administered by the Nova Scotia Cancer Registry (NSCR) as part of a national study, the largest of its kind in Canada. Respondents included Nova Scotian survivors of breast, melanoma, colorectal, prostate, hematologic, and young adult cancers who were 1-3 years after treatment. Survey responses were linked to cancer registry, physicians' claims, hospitalization, and ambulatory care data. The data linkage provided a full four years of healthcare utilization data for each cancer survivor, beginning one year after their cancer diagnosis. Results1557 survivors responded to the survey and subsequently had their data linked. Collectively, breast, colorectal, and prostate cancer survivors represented 78.5% of survey respondents. Most respondents (65.3%) were 65 years of age or older and 69.8% had an existing co-morbid condition. Regression analyses are now being conducted to investigate whether the type and magnitude of post-treatment care needs, and the interventions (services and supports) received, impact health care utilization in the survivorship period, including discharge to primary care. ConclusionThis study represents a unique opportunity to link data unavailable in administrative health data: namely, self-reported needs and use of non-physician services and supports (e.g., support groups, counselling). As such, this dataset permits investigation of healthcare utilization and patterns of care that cannot be accomplished using administrative health data alone.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».