Characterising melanoma diagnostic pathways for patients in routine practice using administrative health data in Ontario, Canada: a population-based study
Notice bibliographique
Résumé
OBJECTIVE: To characterise diagnostic pathways for patients with melanoma in routine practice and compare patient, disease and diagnostic interval (DI) characteristics across pathways. DESIGN: Descriptive cross-sectional study using administrative health data. SETTING: Population-based study in Ontario, Canada. PARTICIPANTS: Patients with melanoma diagnosed from 2007 to 2019. MAIN OUTCOME MEASURES: tests and Pearson residuals were used. We characterised clusters by the lengths of their DI, primary care subinterval and specialist care subinterval. RESULTS: There were 33 371 patients diagnosed with melanoma from 2007 to 2019. We identified four diagnostic pathways: 'primary care only' (n=6107), 'referred to specialist with immediate action' (n=8987), 'multiple visits and procedures in specialist care' (n=11 893) and 'specialist care only' (n=6384). Patient, disease and DI characteristics varied across pathways. Pathway types varied regionally. A higher proportion in the 'primary care only' pathway lived in rural areas whereas a higher proportion in the 'referred to specialist for immediate action' and the 'specialist care only' pathways lived in major urban centres. Across pathways, the median DI varied from 1 to 67 days, the median primary care subinterval varied from 1 to 30 days and the median specialist care subinterval varied from 1 to 25 days. Patients in the 'primary care only' pathway experienced the shortest DIs, and patients in the 'multiple visits and procedures in specialist care' pathway experienced the longest DIs. CONCLUSIONS AND RELEVANCE: We identified four melanoma diagnostic pathways. The shortest DI, the 'primary care only' pathway, highlights the important role of primary care and the need to reduce the wait for specialists. Diagnostic processes varied across geographical locations. Future research should address reasons for these differences, including whether they are associated with inefficient or inappropriate 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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».