Factors influencing treatment decision‐making for cancer patients in low‐ and middle‐income countries: A scoping review
Notice bibliographique
Résumé
PURPOSE: In this scoping review, we evaluated existing literature related to factors influencing treatment decision-making for patients diagnosed with cancer in low- and middle-income countries, noting factors that influence decisions to pursue treatment with curative versus non-curative intent. We identified an existing framework for adult cancer developed in a high-income country (HIC) context and described similar and novel factors relevant to low-and middle-income country settings. METHODS: We used scoping review methodology to identify and synthesize existing literature on factors influencing decision-making for pediatric and adult cancer in these settings. Articles were identified through an advanced Boolean search across six databases, inclusive of all article types from inception through July 2022. RESULTS: Seventy-nine articles were identified from 22 countries across six regions, primarily reporting the experiences of lower-middle and upper-middle-income countries. Included articles largely represented original research (54%), adult cancer populations (61%), and studied patients as the targeted population (51%). More than a quarter of articles focused exclusively on breast cancer (28%). Approximately 30% described factors that influenced decisions to choose between therapies with curative versus non-curative intent. Of 56 reported factors, 22 novel factors were identified. Socioeconomic status, reimbursement policies/cost of treatment, and treatment and supportive care were the most commonly described factors. CONCLUSIONS: This scoping review expanded upon previously described factors that influence cancer treatment decision-making in HICs, broadening knowledge to include perspectives of low- and middle-income countries. While global commonalities exist, certain variables influence treatment choices differently or uniquely in different settings. Treatment regimens should further be tailored to local environments with consideration of contextual factors and accessible resources that often impact decision-making.
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 | 0,021 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».