Early survival for patients newly diagnosed with cancer during <scp>COVID</scp>‐19 in Ontario, Canada: A population‐based cohort study
Notice bibliographique
Résumé
BACKGROUND: Little is known about the association between the COVID-19 pandemic and early survival among newly diagnosed cancer patients. METHODS: This retrospective population-based cohort study used linked administrative datasets from Ontario, Canada. Adults (≥18 years) who received a cancer diagnosis between March 15 and December 31, 2020, were included in a pandemic cohort, while those diagnosed during the same dates in 2018/2019 were included in a pre-pandemic cohort. All patients were followed for one full year after the date of diagnosis. Cox proportional hazards regression models were used to assess survival in relation to the pandemic, patient characteristics at diagnosis, and the modality of first cancer treatment as a time-varying covariate. Interaction terms were explored to measure the pandemic association with survival for each cancer type. RESULTS: Among 179,746 patients, 53,387 (29.7%) were in the pandemic cohort and 37,741 (21.0%) died over the first post-diagnosis year. No association between the pandemic and survival was found when adjusting for patient characteristics at diagnosis (HR 0.99 [95% CI 0.96-1.01]), while marginally better survival was found for the pandemic cohort when the modality of treatment was additionally considered (HR 0.97 [95% CI 0.95-0.99]). When examining each cancer type, only a new melanoma diagnosis was associated with a worse survival in the pandemic cohort (HR 1.25 [95% CI 1.05-1.49]). CONCLUSIONS: Among patients able to receive a cancer diagnosis during the pandemic, one-year overall survival was not different than those diagnosed in the previous 2 years. This study highlights the complex nature of the COVID-19 pandemic impact on cancer care.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».