Association of COVID-19 pandemic with indolent lymphoma care delivery and outcomes in Ontario, Canada: A population-based analysis.
Notice bibliographique
Résumé
e18800 Background: Due to concern for infection risk, the coronavirus disease 2019 (COVID-19) pandemic presented a unique challenge for optimal management of indolent non-Hodgkin lymphoma (iNHL). We examined treatment (trt) selection, healthcare utilization, and COVID-19 outcomes of pts with iNHL receiving first-line (1L) systemic treatment during pre-pandemic vs. pandemic period. Methods: We performed a retrospective cohort study using administrative databases in Ontario, Canada, comparing outcomes in pts with iNHL who initiated trt from, with end of follow-up Mar 31 2022. The primary outcome was trt pattern (eg, 1L regimen, rituximab [R] maintenance use); secondary outcomes were death, toxicities, healthcare utilization (emergency department visit [ED], hospitalization), SARS-CoV-2 outcomes (infection, ED visit, hospitalization/death). Adjusted hazard ratios (aHR) from cause-specific proportional hazards models were used to estimate associations between factors and outcomes. Results: We identified 4,143 pts (1,079 pandemic, 3,064 pre-pandemic), median age 69 yrs, 44% female. In both pre- and pandemic periods, bendamustine (B)+R was the most frequent prescribed regimen, with no difference in number of cycles or dose delays (Table). During the pandemic, fewer pts received R maintenance and completed the full course (aHR 0.81, 95% confidence interval [CI] 0.71-0.92, p = 0.0010) (Table). Pts treated during the pandemic had less healthcare utilization (ED visit aHR 0.77, 95% CI 0.68, 0.88, p < 0.0001; hospitalization aHR 0.81, 95% CI 0.70-0.94, p = 0.0067) and trt-related complications (infection aHR 0.69, 95% CI 0.57-0.82, p < 0.0001; febrile neutropenia aHR 0.66, 95% CI 0.47-0.94, p = 0.020), with no difference in death (aHR 0.79, 95% CI 0.58-1.08, p = 0.14). R use (first dose to 1 yr post last dose) was associated with higher risk of SARS-CoV-2 infection (aHR 1.56, 95% CI 1.09-2.24, p = 0.015) and COVID-19 complications (ED visit aHR 4.28, 95% CI 1.79-10.26, p = 0.0011; hospitalization/death 1.81, 95% CI 1.11-2.93, p = 0.016). Conclusions: During the pandemic, BR remained the preferred regimen for iNHL trt, while R maintenance use was less. Despite the similar 1L regimen, healthcare utilization and infectious complications were less in the pandemic cohort. R use was associated with nearly 2-fold risk of COVID-19 hospitalization/death. [Table: see text]
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».