Referral patterns for retinoblastoma patients in Ethiopia
Notice bibliographique
Résumé
BACKGROUND: Increased lag time between the onset of symptoms and treatment of retinoblastoma (RB) is one of the factors contributing to delay in diagnosis. The aim of this study was to understand the referral patterns and lag times for RB patients who were treated at Menelik II Hospital in Addis Ababa, Ethiopia. METHOD: A single-center, cross- sectional study was conducted in January 2018. All new patients with a confirmed RB diagnosis who had presented to Menelik II Hospital from May 2015 to May 2017 were eligible. A questionnaire developed by the research team was administered to the patient's caregiver by phone. RESULTS: Thirty-eight patients were included in the study and completed the phone survey. Twenty-nine patients (76.3%) delayed seeing a health care provider for ≥ 3 months from the onset of symptoms, with the most common reason being the belief that it was not a problem (96.5%), followed by 73% saying it was too expensive. The majority of patients (37/38, 97.4%) visited at least 1 additional health care facility prior to reaching a RB treatment facility. The mean overall lag time from noticing the first symptom to treatment was 14.31 (range 0.25-62.25) months. CONCLUSION: Lack of knowledge and cost are major barriers to patients first seeking care for RB symptoms. Cost and travel distance are major barriers to seeing referred providers and receiving definitive treatment. Delays in care may be alleviated by public education, early screening, and public assistance programs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».