MétaCan
Menu
← Retour à la cohorte
Enregistrement W4315646418 · doi:10.3390/curroncol30010077

The Impact of the COVID-19 Pandemic on the Number of Cancer Patients and Radiotherapy Procedures in the Warmia and Masuria Voivodeship

2023· article· en· W4315646418 sur OpenAlexvenueno aff
Marcin Kurowicki, Karolina Osowiecka, Barbara Szostakiewicz, Monika Rucińska, Sergiusz Nawrocki

Notice bibliographique

RevueCurrent Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineRadiation therapyCoronavirus disease 2019 (COVID-19)Internal medicineDisease

Résumé

récupéré en direct d'OpenAlex

(1) Background: It was suspected that the COVID-19 pandemic would negatively affect health care, including cancer treatment. The aim of the study was to assess the impact of the COVID-19 pandemic on the number of radiotherapy procedures and patients treated with radical and palliative radiotherapy in Poland. (2) Methods: The study was carried out in Warmia and Masuria voivodeship. The number of procedures and treated patients one year before and in the first year of the COVID-19 pandemic were compared. (3) Results: In the first year of the COVID-19 pandemic, the number of radiotherapy procedures and cancer patients treated with radiotherapy in Warmia and Masuria voivodeship in Poland was stable compared to the period before the pandemic. The COVID-19 pandemic has not affected the ratio of palliative to radical procedures. The percentage of ambulatory and hostel procedures significantly increased with the reduction of inpatient care in the first year of the COVID-19 pandemic. (4) Conclusion: No significant decrease in patients treated with radiotherapy during the first year of the pandemic in Warmia and Masuria voivodeship in Poland could indicate the rapid adaptation of radiotherapy centers to the pandemic situation. Future studies should be carried out to monitor the situation because the adverse effects of the pandemic may be delayed.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,242
Tête enseignante GPT0,549
Écart entre enseignants0,307 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→