MétaCan
Menu
Retour à la cohorte
Enregistrement W4402267859 · doi:10.1158/1538-7445.pediatric24-b042

Abstract B042: Socioeconomic and racial disparities in pediatric cancer outcomes in the Ghanaian health sector: Challenges and strategies for equitable care

2024· article· en· W4402267859 sur OpenAlexaboutno aff
Mavis Agyapomaa

Notice bibliographique

RevueCancer Research · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueChild and Adolescent Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusHealth equityMedicinePediatric cancerCancerGerontologyHealth careEnvironmental healthEconomic growthNursingPopulationPublic healthInternal medicineEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives This study aims to investigate the socioeconomic and racial disparities in pediatric cancer outcomes within the Ghanaian health sector. The objectives are to identify the specific challenges faced by different socioeconomic and racial groups, assess the impact of these disparities on diagnosis and treatment outcomes, and propose strategies for achieving more equitable care for pediatric cancer patients in Ghana. Methods A mixed-methods approach was employed, combining quantitative analysis of patient data from national cancer registries and hospitals with qualitative interviews of healthcare providers and affected families. The quantitative component focused on variables such as socioeconomic status, race, stage of cancer at diagnosis, treatment received, and survival rates. The qualitative component explored personal experiences, barriers to care, and perceptions of the healthcare system. Data were collected from multiple regions to ensure a representative sample of the diverse population in Ghana. Results The study found significant disparities in pediatric cancer outcomes based on socioeconomic status and race. Children from lower socioeconomic backgrounds and minority racial groups were more likely to be diagnosed at later stages and had lower survival rates compared to their higher-income and majority-race counterparts. Key challenges identified included limited access to specialized oncology care, financial barriers, inadequate health insurance coverage, and cultural beliefs affecting treatment-seeking behavior. Additionally, there was a shortage of trained healthcare professionals and insufficient infrastructure in rural areas. Conclusion Socioeconomic and racial disparities significantly impact pediatric cancer outcomes in Ghana. Addressing these disparities requires a multifaceted approach, including policy interventions to improve healthcare access and affordability, targeted outreach programs to educate communities, and investment in healthcare infrastructure and workforce training. Implementing these strategies can promote more equitable care and improve survival rates for all pediatric cancer patients in Ghana. Collaboration between government, healthcare providers, and non-governmental organizations is essential to overcome these challenges and ensure that every child has the opportunity for a healthy future. Citation Format: Mavis Agyapomaa. Socioeconomic and racial disparities in pediatric cancer outcomes in the Ghanaian health sector: Challenges and strategies for equitable care [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Advances in Pediatric Cancer Research; 2024 Sep 5-8; Toronto, Ontario, Canada. Philadelphia (PA): AACR; Cancer Res 2024;84(17 Suppl):Abstract nr B042.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,232
Tête enseignante GPT0,540
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetChild and Adolescent HealthTravaux en français237 207