Delays in Presentation, Diagnosis, and Treatment Among Patients With GI Cancer in Southwest Nigeria
Notice bibliographique
Résumé
PURPOSE The incidence of GI cancers is increasing in sub-Saharan African countries. We described the oncological care pathway and assessed presentation, diagnosis, and treatment intervals and delays among patients with GI cancer who presented to the Obafemi Awolowo University Teaching Hospitals Complex in Ile-Ife, Nigeria. METHODS We analyzed data from 545 patients with GI cancer in the African Research Group for Oncology (ARGO) database. We defined presentation interval as the interval between symptom onset and presentation to tertiary hospital, diagnostic interval as between presentation and diagnosis, and treatment interval as between diagnosis and initiation of treatment. We considered >3 months, >1 month, and >1 month to be presentation, diagnosis, and treatment delays, respectively. We compared lengths of intervals using Mann-Whitney U tests and logistic regression. RESULTS The most frequent cancer types were pancreatic (32%) and colorectal (28%). Most patients presented at stages III (38%) and IV (30%). The median presentation interval was 84 days (IQR, 56-191), and 49% presented after 3 months or longer. The median diagnosis and treatment intervals were 0 (IQR, 0-8) and 7 (IQR, 0-23) days, respectively. There was no relationship between age, sex, education, or distance to tertiary hospital and presentation delay, but patients with stage III to IV versus I to II had higher odds of presentation delay (odds ratio [OR], 1.68 [95% CI, 1.13 to 2.50]). Among patients with pancreatic cancer, older patients were less likely to have a diagnosis delay (OR, 0.50 [95% CI, 0.25 to 0.98]). CONCLUSION About half of patients with GI cancer in Ile-Ife, Nigeria, did not present to tertiary hospitals until more than 90 days after noticing symptoms. Efforts are warranted to improve public knowledge of GI cancer symptoms and to strengthen health systems for prompt diagnosis and referral to specialty 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 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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».