MétaCan
Menu
Retour à la cohorte
Enregistrement W4404355148 · doi:10.1007/s10549-024-07547-9

Impact of the COVID-19 pandemic on breast cancer surgeries in a Canadian population

2024· article· en· W4404355148 sur OpenAlexafffundabout
Gary Ko, Qing Li, Ning Liu, Eitan Amir, Andrea Covelli, Antoine Eskander, Vivianne Freitas, Christine Koch, Jenine Ramruthan, Emma Reel, Amanda Roberts, Toni Zhong, Tulin Cil

Notice bibliographique

RevueBreast Cancer Research and Treatment · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensMount Sinai HospitalHealth Sciences CentreSunnybrook Health Science CentrePrincess Margaret Cancer CentreToronto General HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term Care
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicBreast cancer2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicinePopulationCancerCoronavirus InfectionsVirologyInternal medicineEnvironmental healthDiseaseInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The COVID-19 pandemic significantly impacted breast cancer (BC) surgeries. Most studies showing reduced BC surgical volumes during the pandemic are from single institutions, few have described volume changes in different types of surgical procedures. This study aimed to assess the impact of the pandemic on BC surgery volumes and types at a population level. METHODS: Patients diagnosed with BC between January 1, 2018, and June 25, 2022, in Ontario, Canada, were analysed from population-based datasets. Time periods were defined as pre-pandemic (Jan 2018-Mar 2020), immediate pandemic (Mar-Jun 2020), and peri-pandemic (Jun 2020-Jun 2022). Weekly BC surgery volume and type (lumpectomy, mastectomy, or mastectomy with immediate reconstruction) were evaluated using segmented negative binomial regression models. RESULTS: Among 44 226 patients, 50 440 surgeries were performed. Weekly BC surgeries decreased by 16.9% during the immediate pandemic compared to pre-pandemic levels (180.5 vs. 217.1; p = 0.03). Surgical volumes recovered to pre-pandemic levels by June 2021. Mastectomies represented a higher proportion of BC surgeries during the pandemic (31.1% pre, 36.3% immediate, 32.4% peri-pandemic; p < 0.01). The proportion of mastectomies with immediate reconstruction remained stable during the immediate pandemic but increased in the peri-pandemic (20.1% vs. 17%; p < 0.01). CONCLUSION: There was a significant reduction in all BC surgeries during the pandemic. Mastectomies accounted for a higher proportion of BC surgeries in the pandemic period however access to reconstruction was maintained. Surgical volumes recovered within a year despite ongoing pandemic hospitalizations. Future studies are needed to explore the pandemic's long-term impact on BC 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 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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,028
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,190
Tête enseignante GPT0,520
Écart entre enseignants0,329 · 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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBreast Cancer Research and TreatmentMême sujetCOVID-19 and healthcare impactsTravaux en français237 207