MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379281754 · doi:10.1200/jco.2023.41.16_suppl.e18504

Association of socioeconomic status (SES) with use of specialist palliative care (SPC) among people who died with cancer before and during the COVID-19 pandemic.

2023· article· en· W4379281754 sur OpenAlexafffundabout
Javaid Iqbal, Rahim Moineddin, Robert Fowler, Monika K. Krzyzanowska, Christopher M. Booth, James Downar, Jenny Lau, Lisa W. Le, Gary Rodin, Hsien Seow, Peter Tanuseputro, Craig C. Earle, Kieran L. Quinn, Breffni Hannon, Camilla Zimmermann

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensMount Sinai HospitalHealth Sciences CentreSunnybrook Health Science CentreUniversity of OttawaOttawa HospitalPrincess Margaret Cancer CentreUniversity Health NetworkUniversity of TorontoMcMaster UniversityQueen's University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePandemicSocioeconomic statusDemographyCoronavirus disease 2019 (COVID-19)PopulationPalliative careCohortGerontologyEnvironmental healthDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

e18504 Background: Access to high-quality care, including SPC, is known to vary according to SES. The effect of SES on access to SPC during the COVID-19 pandemic remains unknown. We measured the association of SES with SPC use in different care settings among people who died with cancer before and during the COVID-19 pandemic. Methods: This retrospective, population-based cohort study included 173,915 adult patients who died with cancer from 16/3/2015 to 15/3/2020 (pre-pandemic), and from 16/3/2020 to 15/3/2021 (pandemic period), in Ontario, Canada; March 16, 2020 coincided with the start of pandemic-related hospital entrance screening. The primary outcome was access to SPC in the last 30 days of life, measured as the percentage of people with at least one SPC visit and the rate of visits/patient/30 days across home, hospital inpatient, and outpatient care settings. We used an interrupted time series analysis with segmented linear regression accounting for serial correlation to examine the immediate and gradual changes due to the pandemic. Analyses were stratified by SES, defined using area-level material deprivation quintiles (Q1, least to Q5, most deprived). Results: In total, 100,462 (57.8%) people received SPC in the last 30 days of life. The access to SPC increased steadily by 0.13% per 30 days over the pre-pandemic period ( P<0.001), with a drop of 5.34% at the start of pandemic ( P<0.001) and a trend increase of 0.19% during the pandemic period ( P = 0.10). The table shows study outcomes by care setting and SES. At baseline, patients in Q5 (vs Q1) had lower rates of SPC home visits, while rates of inpatient visits and outpatient visits were similar. Pre-pandemic for Q1 and Q5, inpatient visits were decreasing, outpatient visits were increasing, and home visits were stable. For both Q1 and Q5, there was an immediate decrease in home visits and increase in outpatient visits at pandemic onset, followed by a recovery in home visits; trends for inpatient and outpatient visits were unchanged. Conclusions: The COVID-19 pandemic led to an immediate decrease in access to SPC among people who died with cancer, particularly for home visits. SES was significantly associated with access to home visits, both before and during the pandemic. [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 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)0,002
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 enseignants0,575
Score d'incertitude au seuil0,855

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,243
Tête enseignante GPT0,517
Écart entre enseignants0,274 · 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

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetPalliative Care and End-of-Life Issues→Travaux en français237 207→