The Every Woman Study (EWS) in Kenya: Identifying challenges and opportunities to improve survival and quality of life for women with ovarian cancer
Notice bibliographique
Résumé
Background: Ovarian cancer is the second most common cause of death among gynecological cancerpatients in Kenya, and the number of cases is predicted to rise from 1,130 to 2,600 per year by 2040. However, there is very limited diagnostic and treatment capacity. This study aims to establish the first-ever patient experience evidence base of women with ovarian cancer in Kenya and identify challenges and opportunities to improve survival and quality of life.Methods: This was a prospective cross-sectional observational study in which all eligible womenattending Moi Teaching and Referral and Aga Khan Hospitals with a diagnosis of ovarian cancer withinthe previous five years were recruited.Results: Of 104 eligible women with a median age of 51 years, epithelial ovarian cancers were the mostcommon (70%), particularly high-grade serous carcinoma (46%). Most respondents (66%) had advanceddisease. Approximately 24% had to travel for five hours or more to access care. The mean average timefrom experiencing symptoms to diagnosis was 7.4 months. Almost half had never heard of ovariancancer. Approximately 81% reported that their finances had been affected largely by the diagnosis, with55% of these women reporting that their household income had dropped below what they needed tosurvive.Conclusion: The inaccessibility of quality cancer care in Kenya leads to delays in diagnosis andtreatment initiation. Innovative awareness strategies, health provider education, and cost mitigation areneeded to ensure that women can seek help promptly to reduce morbidity and mortality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».