MétaCan
Menu
Retour à la cohorte
Enregistrement W4315753987 · doi:10.1177/10732748221150393

Multimorbidity and Complexity Among Patients with Cancer in Ontario: A Retrospective Cohort Study Exploring the Clustering of 17 Chronic Conditions with Cancer

2023· article· en· W4315753987 sur OpenAlex
Anna Koné, Deborah M. Scharf, Amy Tan

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueCancer Control · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity of British ColumbiaLakehead University
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésMedicineCancerRetrospective cohort studyDiseaseHealth careCohortPopulationEmergency departmentDisease burdenFamily medicineGerontologyInternal medicineEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Multimorbidity is a concern for people living with cancer, as over 90% have at least one other condition. Multimorbidity complicates care coming from multiple providers who work within separate, siloed systems. Information describing high-risk and high-cost disease combinations has potential to improve the experience, outcome, and overall cost of care by informing comprehensive care management frameworks. This study aimed to identify disease combinations among people with cancer and other conditions, and to assess the health burden associated with those combinations to help healthcare providers more effectively prioritize and coordinate care. METHODS: We used a population-based retrospective cohort design including adults with a cancer diagnosis between March-2003 and April-2013, followed-up until March 2018. We used observed disease combinations defined by level of multimorbidity and partitive (k-means) clusters, ie groupings of similar diseases based on the prevalence of each condition. We assessed disease combination-associated health burden through health service utilization, including emergency department visits, primary care visits and hospital admissions during the follow-up period. RESULTS: 549,248 adults were included in the study. Anxiety, diabetes mellitus, hypertension, and osteoarthritis co-occurred with cancer 1.1 to 5.3 times more often than expected by chance. Disease combinations varied by cancer type and age but were similar between sexes. The largest partitive cluster included cancer and anxiety, with at least 25% of individuals also having osteoarthritis. Cancer also tended to co-occur with hypertension (8.0%) or osteoarthritis (6.2%). There were differences between clusters in healthcare utilization, regardless of the number of disease combinations or clustering approach used. CONCLUSION: Researchers, clinicians, policymakers, and other stakeholders can use the clustering information presented here to improve the healthcare system for people with cancer multimorbidity by developing cluster-specific care management and clinical guidelines for common disease combinations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,547
Score d'incertitude au seuil0,905

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,313
Écart entre enseignants0,252 · 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