Choreographed expansion of services results in decreased patient burden without compromise of outcomes: An assessment of the Ontario experience
Notice bibliographique
Résumé
Abstract Background Neuro-oncology care in Ontario, Canada has been historically centralized, at times requiring significant travel on the part of patients. Toward observing the goal of patient-centered care and reducing patient burden, 2 additional regional cancer centres (RCC) capable of neuro-oncology care delivery were introduced in 2016. This study evaluates the impact of increased regionalization of neuro-oncology services, from 11 to 13 oncology centers, on healthcare utilization and travel burden for glioblastoma (GBM) patients in Ontario. Methods We present a cohort of GBM patients diagnosed between 2010 and 2019. Incidence of GBM and treatment modalities were identified using provincial health administrative databases. A geographic information system and spatial analysis were used to estimate travel time from patient residences to neuro-oncology RCCs. Results Among the 5242 GBM patients, 79% received radiation as part of treatment. Median travel time to the closest RCC was higher for patients who did not receive radiation as part of treatment than for patients who did (P = .03). After 2016, the volume of patients receiving radiation at their local RCC increased from 62% to 69% and the median travel time to treatment RCCs decreased (P = .0072). The 2 new RCCs treated 35% and 41% of patients within their respective catchment areas. Receipt of standard of care, surgery, and chemoradiation (CRT), increased by 11%. Conclusions Regionalization resulted in changes in the healthcare utilization patterns in Ontario consistent with decreased patient travel burden for patients with GBM. Focused regionalization did not come at the cost of decreased quality of care, as determined by the delivery of a standard of care.
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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».