MétaCan
Menu
Retour à la cohorte
Enregistrement W4405417317 · doi:10.1080/14796694.2024.2436342

Impact of recurrence on employment, finances, and productivity for early-stage cancer patients and caregivers: US survey

2024· article· en· W4405417317 sur OpenAlexaff
Raquel Aguiar‐Ibáñez, Kelly McQuarrie, Sayeli Jayade, Hannah Penton, Laura DiGiovanni, Rutika Raina, M. Heisen, Ana Martinez

Notice bibliographique

RevueFuture Oncology · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensMerck Canada Inc. (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineStage (stratigraphy)Cancer stageProductivityCancerFamily medicineGerontologyInternal medicineEconomic growth

Résumé

récupéré en direct d'OpenAlex

Background Following an early-stage cancer diagnosis, recurrences can occur. To quantify financial impacts of a first recurrence, we surveyed patients and caregivers.Methods The survey was self-administered online to patients (N = 202) with early-stage bladder, gastric, head and neck, melanoma, non–small cell lung, renal cell, and triple-negative breast cancers that recurred and caregivers (N = 100) of such patients. Work productivity and financial impacts were explored.Results Negative impacts on work productivity, employment, finances, and healthcare resource use were identified, with significant differences seen across cancer types, between locoregional and distant/metastatic recurrences, and from pre-recurrence to post-recurrence.Conclusions The financial burden to patients, caregivers, healthcare systems, and society following early-stage cancer recurrence is substantial. Treatments that decrease recurrences can reduce this burden.

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 enseignants0,182
Score d'incertitude au seuil0,707

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,040
Tête enseignante GPT0,316
Écart entre enseignants0,275 · 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207