MétaCan
Menu
Retour à la cohorte
Enregistrement W4403284413 · doi:10.1016/j.ctro.2024.100873

Health care system factors associated with receipt of treatment and treatment intent in stage III non-small cell lung cancer: A population-based study in Ontario

2024· article· en· W4403284413 sur OpenAlexafffundabout
Stéphane Thibodeau, Paul Nguyen, Andrew Robinson, Fábio Ynoe de Moraes, Jason Pantarotto, Timothy P. Hanna

Notice bibliographique

RevueClinical and Translational Radiation Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensUniversity of OttawaQueen's University
Organismes subventionnairesMinistry of Long-Term CareKementerian Kesihatan MalaysiaGovernment of OntarioInstitute for Clinical Evaluative SciencesOntario Institute for Cancer ResearchMinistry of Health, Ontario
Mots-clésMedicineReceiptStage (stratigraphy)Lung cancerCancerPopulationEnvironmental healthOncologyIntensive care medicineInternal medicineFamily medicineGerontology

Résumé

récupéré en direct d'OpenAlex

• Data is lacking on the impact of health system factors on stage III NSCLC treatment, including on the highest level decisions of treatment versus no treatment, and choice of treatment intent. • We report findings from a retrospective, population-based cohort study in a large universal health system in Canada of over 7000 patients diagnosed with stage III NSCLC from 2010 to 2018. • No system factors were associated with treatment versus no treatment. • However, the likelihood of receiving curative-intent treatment amongst those treated varied between health regions after controlling for other system and patient factors. • Our study suggests possible opportunities to improve care outcomes for stage III NSCLC by addressing regional variation in cancer care. Stage III non-small cell lung cancer (NSCLC) is a heterogeneous disease, with a spectrum of anatomic extent, health status, and treatment approaches. Receipt of treatment and its intent should be independent of health system factors where care quality is optimal. We investigated the degree that modifiable health system factors are associated with receipt of treatment and treatment intent in stage III NSCLC in a large, universal health system. This was a population-based, retrospective cohort study with health administrative data from Ontario, Canada, 2010–2018 for those aged ≥ 20 years, with AJCC 7 or 8 stage III NSCLC. We explored system factors associated with NSCLC treatment: region of residence, diagnostic interval, travel distance, advanced radiation (e.g. IMRT, VMAT) and systemic therapy treatment volumes and year of treatment. The relative risk (RR) of (1) any treatment versus no treatment, and (2) palliative versus non-palliative treatment was determined, using multivariable stepwise Poisson regression models. We adjusted for patient, disease and treatment factors. We identified 7,093 people with stage III NSCLC between 2010 and 2018. There were no system factors associated with receipt of treatment versus no treatment in adjusted analysis. The major system factor associated with palliative intent was region of residence (RR: Region ranges from 0.88 to 1.67, p < 0.001). Stratifying by era (2010–2012 vs. 2013–2015 vs. 2016–2018), there was an increase in receipt of curative treatment and use of advanced radiotherapy techniques and immunotherapy over time, but regional variation of treatment intent was similar. Region of residence emerged as the major health system factor associated with treatment intent for stage III NSCLC. This variation remained, even as advances in radiotherapy and systemic therapy were adopted. Our study suggests possible opportunities to improve care outcomes by addressing unexplained regional variation in care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,626
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,385
Écart entre enseignants0,333 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical and Translational Radiation OncologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207