Impact of the COVID-19 Pandemic on Staging Oncologic PET/CT Imaging and Patient Outcome in a Public Healthcare Context: Overview and Follow Up of the First Two Years of the Pandemic
Notice bibliographique
Résumé
To assess the impact of the COVID-19 pandemic on the diagnosis, staging and outcome of a selected population throughout the first two years of the pandemic, we evaluated oncology patients undergoing PET/CT at our institution. A retrospective population of lung cancer, melanoma, lymphoma and head and neck cancer patients staged using PET/CT during the first 6 months of the years 2019, 2020 and 2021 were included for analysis. The year in which the PET was performed was our exposure variable, and our two main outcomes were stage at the time of the PET/CT and overall survival (OS). A total of 1572 PET/CTs were performed for staging purposes during the first 6 months of 2019, 2020 and 2021. The median age was 66 (IQR 16), and 915 (58%) were males. The most prevalent staged cancer was lung cancer (643, 41%). The univariate analysis of staging at PET/CT and OS by year of PET/CT were not significantly different. The multivariate Cox regression of non-COVID-19 significantly different variables at univariate analysis and the year of PET/CT determined that lung cancer (HR 1.76 CI95 1.23–2.53, p < 0.05), stage III (HR 3.63 CI95 2.21–5.98, p < 0.05), stage IV (HR 11.06 CI95 7.04–17.36, p < 0.05) and age at diagnosis (HR 1.04 CI95 1.02–1.05, p < 0.05) had increased risks of death. We did not find significantly higher stages or reduced OS when assessing the year PET/CT was performed. Furthermore, OS was not significantly modified by the year patients were staged, even when controlled for non-COVID-19 significant variables (age, type of cancer, stage and gender).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».