MétaCan
Menu
Retour à la cohorte
Enregistrement W4383554861 · doi:10.3332/ecancer.2023.1570

Effects of the COVID-19 pandemic on delays in diagnosis-to-treatment initiation for breast cancer in Brazil: a nationwide study

2023· article· en· W4383554861 sur OpenAlexaff
João Henrique Fonseca do Nascimento, Cleonice Nascimento da Silva, André Gusmão Cunha, Marinho Marques da Silva Neto, André Bouzas de Andrade

Notice bibliographique

Revueecancermedicalscience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)PandemicBreast cancerOutbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCancerInternal medicineDemographyDiseasePediatricsInfectious disease (medical specialty)Virology

Résumé

récupéré en direct d'OpenAlex

Background: Short period from diagnosis to breast cancer (BC) treatment initiation remains challenging for the public health system in Brazil, which may have been further affected by the coronavirus disease-2019 (COVID-19) pandemic. This study assessed BC diagnosis-to-treatment intervals (DTi) in Brazil and the possible effects of the COVID-19 outbreak on delays. Methods: -value of <0.05 was considered significant. Results: < 0.05) and inverted the proportion of early/advanced stages at BC diagnosis (55.8%/44.2%-48.4%/51.6%). Conclusion: COVID-19 has imposed changes in BC care in Brazil, reducing the number of treatments provided by the Brazilian public health system, increasing the chances of delayed treatment initiation despite no differences in DTi averages being identified, and raising the proportion of advanced-stage diagnoses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,036
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,083
Tête enseignante GPT0,467
Écart entre enseignants0,384 · 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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueecancermedicalscienceMême sujetCOVID-19 and healthcare impactsTravaux en français237 207