MétaCan
Menu
Retour à la cohorte
Enregistrement W4308937667 · doi:10.6004/jnccn.2022.7075

Incident Cancer Detection During Multiple Waves of COVID-19: The Tsunami After the Earthquake

2022· article· en· W4308937667 sur OpenAlexafffundabout
Rui Fu, Rinku Sutradhar, Qing Li, Timothy P. Hanna, Kelvin Chan, Jonathan C. Irish, Natalie G. Coburn, Julie Hallet, Anna Dare, Simron Singh, Ambica Parmar, Craig C. Earle, Lauren Lapointe‐Shaw, Monika K. Krzyzanowska, Antonio Finelli, Alexander V. Louie, Nicole J. Look Hong, Ian Witterick, Alyson Mahar, David Gómez, Daniel I. McIsaac, Danny Enepekides, David R. Urbach, Antoine Eskander

Notice bibliographique

RevueJournal of the National Comprehensive Cancer Network · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensOttawa HospitalPrincess Margaret Cancer CentreHealth Sciences CentreSunnybrook Health Science CentreWomen's College HospitalCancer Care OntarioQueen's UniversityInstitute of Health Services and Policy ResearchOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)ClearancePandemicIncidence (geometry)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCancerPopulationSeismologyVirologyInternal medicineEnvironmental healthGeologyOptics

Résumé

récupéré en direct d'OpenAlex

No population-based study exists to demonstrate the full-spectrum impact of COVID-19 on hindering incident cancer detection in a large cancer system. Building upon our previous publication in JNCCN, we conducted an updated analysis using 12 months of new data accrued in the pandemic era (extending the study period from September 26, 2020, to October 2, 2021) to demonstrate how multiple COVID-19 waves affected the weekly cancer incidence volume in Ontario, Canada, and if we have fully cleared the backlog at the end of each wave.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,685

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,375
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the National Comprehensive Cancer NetworkMême sujetCOVID-19 and healthcare impactsTravaux en français237 207