Cervical cancer management in a low resource setting: A 10-year review in a tertiary care hospital in Kenya
Notice bibliographique
Résumé
Background: Cervical cancer is one of the leading causes of cancer mortality among women in Kenya due to late presentations, poor access to health care, and limited resources. Across many low- and middle-income countries infrastructure and human resources for cervical cancer management are currently insufficient to meet the high population needs therefore patients are not able to get appropriate treatment. Objective: This study aimed to describe the clinicopathological characteristics and the treatment profiles of cervical cancer cases seen at Moi Teaching and Referral Hospital (MTRH). Methods: This was a retrospective cross-sectional study conducted at MTRH involving the review of the electronic database and medical charts of 1541 patients with a histologically confirmed diagnosis of cervical cancer between January 2012 and December 2021. Results: Of the 1541 cases analyzed, 91% were squamous cell carcinomas, 8% were adenocarcinomas, and 1% were other histological types. Thirty-eight percent of the patients were HIV infected and less than 30% of the women had health insurance. A majority (75%) of the patients presented with advanced-stage disease (stage IIB-IV). Only 13.9% received chemoradiotherapy with curative intent; of which 33.8% received suboptimal treatment. Of the 13% who received surgical treatment, 45.3% required adjuvant therapy, of which only 27.5% received treatment. Over 40% of the women were lost to follow-up. Conclusion: Most of the patients with cervical cancer in Kenya present at advanced stages with only a third receiving the necessary treatment while the majority receive only palliative treatment or supportive 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».