Nonspecific Signs and/or Symptoms of Cancer: A Retrospective, Observational Analysis from a Secondary Care, US Community Oncology Dataset
Notice bibliographique
Résumé
To help determine the unmet need for improved diagnostic tools to evaluate patients with nonspecific signs and/or symptoms (NSSS) and suspicion of cancer, we examined patient characteristics, diagnostic journey, and cancer incidence of patients with NSSS within The US Oncology Network (The Network), a secondary care community oncology setting. This retrospective, observational cohort study included patients aged ≥40 years with ≥1 NSSS in their problem list at their first visit within The Network (the index date) between 1 January 2016 and 31 December 2020. Patients were followed longitudinally with electronic health record data for initial cancer diagnosis, new noncancer diagnosis, death, end of study observation period, or 12 months, whichever occurred first. Of 103,984 patients eligible for inclusion, 96,722 presented with only 1 NSSS at index date; 6537/103,984 (6.3%) were diagnosed with 1 primary cancer within 12 months after the index date; 3825/6537 (58.5%) with hematologic malignancy, and 2712/6537 (41.5%) with solid tumor. Among patients diagnosed with cancer (n = 6774), the median time to cancer diagnosis after their first visit within The Network was 5.13 weeks. This study provides a real-world perspective on cancer incidence in patients with NSSS referred to a secondary care setting and highlights the unmet need for improved diagnostic tools to improve cancer outcomes.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».