The every woman study™ low- and middle-income countries edition protocol: A multi-country observational study to assess opportunities and challenges to improving survival and quality of life for women with ovarian cancer
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer is a challenging disease to diagnose and treat effectively with five-year survival rates below 50%. Previous patient experience research in high-income countries highlighted common challenges and opportunities to improve survival and quality of life for women affected by ovarian cancer. However, no comparable data exist for low-and middle-income countries, where 70% of women with the disease live. This study aims to address this evidence gap. METHODS: This is an observational multi-country study set in low- and middle-income countries. We aim to recruit over 2000 women diagnosed with ovarian cancer across multiple hospitals in 24 countries in Asia, Africa and South America. Country sample sizes have been calculated (n = 70-96 participants /country), taking account of varying national five-year disease prevalence rates. Women within five years of their diagnosis, who are in contact with participating hospitals, are invited to take part in the study. A questionnaire has been adapted from a tool previously used in high-income countries. It comprises 57 multiple choice and two open-ended questions designed to collect information on demographics, women's knowledge of ovarian cancer, route to diagnosis, access to treatments, surgery and genetic testing, support needs, the impact of the disease on women and their families, and their priorities for action. The questionnaire has been designed in English, translated into local languages and tested according to local ethics requirements. Questionnaires will be administered by a trained member of the clinical team. CONCLUSION: This study will inform further research, advocacy, and action in low- and middle-income countries based on tailored approaches to the national, regional and global challenges and opportunities. In addition, participating countries can choose to repeat the study to track progress and the protocol can be adapted for other countries and other diseases.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».