Essential cancer medicines and cancer outcomes: Cross‐sectional study of 124 countries
Notice bibliographique
Résumé
BACKGROUND: Cancer is the second leading cause of death worldwide. Alongside other interventions, access to certain medicines may decrease cancer-associated mortality. Listing medicines on national essential medicines lists may improve health outcomes. We examine the association between cancer mortality amenable to care and the listing of cancer medicines on national essential medicines lists (NEMLs) of 124 countries. METHODS: In this cross-sectional study, we determined the number of medicines used to treat eight cancers on NEMLs and used multiple linear regression to analyze the association between cancer health outcome scores and the number of medicines on NEMLs while controlling for GDP. A sensitivity analysis was also conducted using selected medicines. FINDINGS: The number of cancer medicines on NEMLs was not associated with cancer health outcome scores when GDP was controlled for non-melanoma skin (p = 0.224), uterine (p = 0.221), breast (p = 0.145), Hodgkin's lymphoma (p = 0.697), colon (p = 0.299), leukemia (p = 0.103), cervical (p = 0.834), and testicular cancers (p = 0.178). INTERPRETATION: There was a weak association between listing medicines for eight cancers in NEMLs and amenable mortality. Further studies are required to explore association between cancer health outcomes and other factors such as actual availability of medicines listed, access to surgeries, accurate diagnosis, radiotherapy, and early detection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».