Impact of the COVID-19 Pandemic on Access to Cancer Surgery: Analysis of Surgical Wait Times in British Columbia, Canada
Notice bibliographique
Résumé
OBJECTIVE: As coronavirus disease 2019 (COVID-19) spread, efforts were made to preserve resources for the anticipated surge of COVID-19 patients in British Columbia, Canada. However, the relationship between COVID-19 hospitalizations and access to cancer surgery is unclear. In this project, we analyze the impact of COVID-19 patient volumes on wait time for cancer surgery. METHODS: We conducted a retrospective study using population-based datasets of regional surgical wait times and COVID-19 patient volumes. Weekly median wait times for urgent, nonurgent, cancer, and noncancer surgeries, and maximum volumes of hospitalized patients with COVID-19 were studied. The results were qualitatively analyzed. RESULTS: A sustained association between weekly median wait time for priority and other cancer surgeries and increase hospital COVID-19 patient volumes was not qualitatively discernable. In response to the first phase of COVID-19 patient volumes, relative to pre-COVID-19 pandemic levels, wait time were shortened for urgent cancer surgery but increased for nonurgent surgeries. During the second phase, for all diagnostic groups, wait times returned to pre-COVID-19 pandemic levels. During the third phase, wait times for all surgeries increased. CONCLUSION: Cancer surgery access may have been influenced by other factors, such as policy directives and local resource issues, independent of hospitalized COVID-19 patient volumes. The initial access limitations gradually improved with provincial and institutional resilience, and vaccine rollout.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| 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) | 0,001 | 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 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 ».