MétaCan
Menu
Retour à la cohorte
Enregistrement W4387142680 · doi:10.1200/go.23.00130

Proximity to Radiotherapy Center, Population, Average Income, and Health Insurance Status as Predictors of Cancer Mortality at the County Level in the United States

2023· article· en· W4387142680 sur OpenAlexaff
Matthew Beckett, Luc Goethals, Ryan Kraus, Kseniya Denysenko, Maria Fernanda Barone Mussalem Gentiles, Yaroslav Pynda, May Abdel–Wahab

Notice bibliographique

RevueJCO Global Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésCenter (category theory)Health insuranceDemographyPopulationGeographySocioeconomic statusMedicineEnvironmental healthGerontologyEconomic growthHealth careEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Sufficient radiotherapy (RT) capacity is essential to delivery of high-quality cancer care. However, despite sufficient capacity, universal access is not always possible in high-income countries because of factors beyond the commonly used parameter of machines per million people. This study assesses the barriers to RT in a high-income country and how these affect cancer mortality. METHODS: ≤ .05) on univariate analysis were included in a step-wise backward elimination method of multiple regression analysis. RESULTS: < .001). CONCLUSION: This analysis used unique high-quality data sets to identify significant barriers to RT access that correspond to higher cancer mortality at the county level. Geographic access, personal income, and insurance status all contribute to these concerning disparities. Efforts to address these barriers are needed.

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)0,000
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 enseignants0,090
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,042
Tête enseignante GPT0,440
Écart entre enseignants0,398 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Global OncologyMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207