MétaCan
Menu
Retour à la cohorte
Enregistrement W4391517640 · doi:10.1016/j.jgo.2024.101709

Leave no one behind: A global survey of the current state of geriatric oncology practice by SIOG national representatives

2024· article· en· W4391517640 sur OpenAlexaff
Tomonori Mizutani, Kwok‐Leung Cheung, Yervand Hakobyan, Heather Lane, Lore Decoster, Theodora Karnakis, Martine Puts, Óscar Alberto Aguirre Calderón, Trine Lembrecht Jørgensen, Rabia Boulahssass, Ulrich Wedding, Athanasios Karampeazis, Wing‐Lok Chan, Joyita Banerjee, Cristina Falci, Barbara L. van Leeuwen, Vasco Fonseca, Regina Gironés Sarrió, Marcus Vetter, Vérène Dougoud, Arash Naeim, J. S. Ashman, Najia Musolino, Ravindran Kanesvaran

Notice bibliographique

RevueJournal of Geriatric Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensUniversity of Toronto
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésMedicineGeriatric oncologyFamily medicineInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The Sustainable Development Goals of the United Nations include a commitment to "leave no one behind" as a universal goal. To achieve this in geriatric oncology (GO) worldwide, it is important to understand the current state of GO at an international level. The International Society of Geriatric Oncology (SIOG) has several National Representatives (NRs) who act as SIOG's delegates in their respective countries. The NRs took part in this international survey exploring the state of GO practice, identifying barriers and solutions. MATERIALS AND METHODS: The NRs answered open-ended questions by email from February 2020 to October 2022. The questionnaire domains included the demographic information of older adults for their countries, and the NRs' opinions on whether GO is developing, what the barriers are to developing GO, and proposed actions to remove these barriers. The demographic data of each country reported in the survey was adjusted using literature and database searches. RESULTS: Twenty-one of thirty countries with NRs (70%) participated in this questionnaire study: 12 European, four Asian, two North American, two South American, and one Oceanian. The proportion of the population aged ≥75 years varied from 2.2% to 15.8%, and the average life expectancy also varied from 70 years to 86 years. All NRs reported that GO was developing in their country; four NRs (18%) reported that GO was well developed. Although all NRs agreed that geriatric assessment was useful, only three reported that it was used day-to-day in their countries' clinical practice (14%). The major barriers identified were the lack of (i) evidence to support GO use, (ii) awareness and interest in GO, and (iii) resources (time, manpower, and funding). The major proposed actions were to (i) provide new evidence through clinical trials specific for GO patients, (ii) stimulate awareness through networking, and (iii) deliver educational materials and information to healthcare providers and medical students. DISCUSSION: This current survey has identified the barriers to GO and proposed actions that could remove them. Broader awareness seems to be essential to implementing GO. Additional actions are needed to develop GO within countries and can be supported through international partnerships.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,412
Écart entre enseignants0,374 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of Geriatric OncologyMême sujetFrailty in Older AdultsTravaux en français237 207