MétaCan
Menu
Retour à la cohorte
Enregistrement W4387902743 · doi:10.3390/curroncol30110680

Breaking Down Barriers to Detection and Care in Early-Age-Onset Colorectal Cancer in Canada

2023· article· en· W4387902743 sur OpenAlexaffvenueabout
Michael J. Raphael, Petra Wildgoose, Filomena Servidio-Italiano, Mary A. De Vera, Darren R. Brenner, Monika Slovinec D’Angelo, Robin E. McGee, Scott Berry, Clarence Wong, Sharlene Gill

Notice bibliographique

RevueCurrent Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensUniversity of AlbertaUniversity of CalgaryUniversity of British ColumbiaHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésColorectal cancerMedicineMultidisciplinary approachCancerFamily medicineFertilityGerontologyOncologyInternal medicinePopulationPolitical scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The second Early-Age-Onset Colorectal Cancer Symposium, convened in October 2022, sought solutions to the barriers to early detection and care for colorectal cancer in Canada. This meeting built on a previous symposium, held in 2021 and reported in this journal. Early-age-onset colorectal cancer (EAOCRC) affects increasing numbers of people under the age of 50 in Canada and throughout the developed world. Two main themes emerged from the meeting: the importance of timely detection, and the need for a tailored approach to the care of EAOCRC. Early detection is crucial, especially in light of the later stage at diagnosis and unique tumour characteristics. Symposium participants were strongly in favour of reducing the age of eligibility for screening from 50 to 45, and promoting the development of non-invasive screening techniques such as testing for circulating tumour DNA and biomarkers. Leading approaches to care were described and discussed, which meet the unique treatment needs of younger CRC patients. Multidisciplinary practices within and outside Canada address such factors as fertility, family roles, education, careers and financial responsibilities. These models can be applied in treatment centres across the country.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,666

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,003
Communication savante0,0040,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,343
Écart entre enseignants0,310 · 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'étudeSans objet
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'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207