Delays in Initiating Anti-Cancer Therapy for Early-Stage Breast Cancer—How Slow Can We Go?
Notice bibliographique
Résumé
Breast cancer is the most commonly diagnosed cancer among women worldwide, and is a leading cause of cancer-related deaths. When diagnosed at an early stage, appropriate and timely treatment results in a high cure rate and better quality of life. Delays in initiating anti-cancer therapy, including surgical resection, adjuvant/neoadjuvant chemotherapy and radiation therapy are commonly encountered, even in developed health care systems. Existing comorbidities that mandate referral to other services, genetic counseling and testing that may dictate the extent and type of anti-cancer therapy and insurance coverage, are among the most commonly cited factors. However, delays can be unavoidable; for over three years, health care systems across the globe were busy dealing with the unprecedented COVID-19 pandemic. War across hot zones around the globe resulted in millions of refugees; most of them have no access to cancer care, and when/where available, there may be significant delays. Thus, cancer patients across the globe will probably continue to suffer from significant delays in diagnosis and appropriate treatment. Many retrospective reports showed significant negative impacts on different aspects of treatment outcomes and on patients' psychosocial wellbeing and productivity. In this paper, we review the available data on the impact of delays in initiating appropriate treatment on the outcomes of patients with early-stage breast cancer.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».