MétaCan
Menu
Retour à la cohorte
Enregistrement W4311548889 · doi:10.1136/bmjopen-2021-059669

Diagnostic pathways for breast cancer in 10 International Cancer Benchmarking Partnership (ICBP) jurisdictions: an international comparative cohort study based on questionnaire and registry data

2022· article· en· W4311548889 sur OpenAlexafffundabout
Peter Vedsted, David Weller, Alina Zalounina Falborg, Henry Jensen, Jatinderpal Kalsi, David Brewster, Yulan Lin, Anna Gavin, Andriana Barisic, Eva Grunfeld, Mats Lambe, Martin Malmberg, Donna Turner, Beth Harland, Breann Hawryluk, Rebecca‐Jane Law, Richard D Neal, Victoria White, Rebecca J. Bergin, Samantha Harrison, Usha Menon

Notice bibliographique

RevueBMJ Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensCancerCare ManitobaOntario Institute for Cancer ResearchCancer Care Ontario
Organismes subventionnairesUCLH Biomedical Research CentreMedical Research CouncilHelsedirektoratetDepartment of Health, State Government of VictoriaPublic Health AgencyPartenariat Canadien Contre Le CancerCancer Care OntarioUniversity of EdinburghNational Institute for Health and Care ResearchSveriges Kommuner och LandstingCancer Research UKUniversity College LondonScottish GovernmentMacmillan Cancer SupportU.S. Department of Health and Human ServicesRoyal Marsden NHS Foundation TrustAarhus UniversitetKræftens BekæmpelseCancer Council VictoriaNorges Teknisk-Naturvitenskapelige UniversitetLlywodraeth CymruSundhedsstyrelsenCancer Research WalesCancerCare Manitoba Foundation
Mots-clésMedicineBenchmarkingGeneral partnershipCancer registryBreast cancerEpidemiologyFamily medicineCohort studyEnvironmental healthCohortCancerPublic healthPathologyInternal medicineManagement

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: A growing body of evidence suggests longer time between symptom onset and start of treatment affects breast cancer prognosis. To explore this association, the International Cancer Benchmarking Partnership Module 4 examined differences in breast cancer diagnostic pathways in 10 jurisdictions across Australia, Canada, Denmark, Norway, Sweden and the UK. SETTING: Primary care in 10 jurisdictions. PARTICIPANT: Data were collated from 3471 women aged >40 diagnosed for the first time with breast cancer and surveyed between 2013 and 2015. Data were supplemented by feedback from their primary care physicians (PCPs), cancer treatment specialists and available registry data. PRIMARY AND SECONDARY OUTCOME MEASURES: Patient, primary care, diagnostic and treatment intervals. RESULTS: Overall, 56% of women reported symptoms to primary care, with 66% first noticing lumps or breast changes. PCPs reported 77% presented with symptoms, of whom 81% were urgently referred with suspicion of cancer (ranging from 62% to 92%; Norway and Victoria). Ranges for median patient, primary care and diagnostic intervals (days) for symptomatic patients were 3-29 (Denmark and Sweden), 0-20 (seven jurisdictions and Ontario) and 8-29 (Denmark and Wales). Ranges for median treatment and total intervals (days) for all patients were 15-39 (Norway, Victoria and Manitoba) and 4-78 days (Sweden, Victoria and Ontario). The 10% longest waits ranged between 101 and 209 days (Sweden and Ontario). CONCLUSIONS: Large international differences in breast cancer diagnostic pathways exist, suggesting some jurisdictions develop more effective strategies to optimise pathways and reduce time intervals. Targeted awareness interventions could also facilitate more timely diagnosis of breast cancer.

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)0,006
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 enseignants0,127
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,003
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 Opus0,316
Tête enseignante GPT0,508
Écart entre enseignants0,191 · 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 revueBMJ OpenMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207