Causes and impact of delays during the COVID‐19 pandemic on head and neck cancer diagnosis
Notice bibliographique
Résumé
BACKGROUND: The causes for delays during the COVID19 pandemic and their impact on head and neck cancer (HNC) diagnosis and staging are not well described. METHODS: Two cohorts were defined a priori for review and analysis-a Pre-Pandemic cohort (June 1 to December 31, 2019) and a Pandemic cohort (June 1 to December 31, 2020). Delays were categorized as COVID-19 related or not, and as clinician, patient, or policy related. RESULTS: A total of 638 HNC patients were identified including 327 in the Pre-Pandemic Cohort and 311 in the Pandemic Cohort. Patients in the Pandemic cohort had more N2-N3 category (41% vs. 33%, p = 0.03), T3-T4 category (63% vs. 50%, p = 0.002), and stage III-IV (71% vs. 58%, p < 0.001) disease. Several intervals in the diagnosis to treatment pathway were significantly longer in the pandemic cohort as compared to the Pre-Pandemic cohort. Among the pandemic cohort, 146 (47%) experienced a delay, with 112 related to the COVID-19 pandemic; 80 (71%) were clinician related, 15 (13%) were patient related, and 17 (15%) were policy related. CONCLUSIONS: Patients in the Pandemic cohort had higher stage disease at diagnosis and longer intervals along the diagnostic pathway, with COVID-19 related clinician factors being the most common cause of delay.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».