Dedicated Automatic Recall Hepatocellular Cancer Surveillance Programme Demonstrates High Retention: A Population‐Based Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Patient, clinician, and system-related barriers may affect adherence to hepatocellular carcinoma (HCC) surveillance programmes. The impact of a dedicated automated recall HCC surveillance programme on retention rates in patients eligible for screening is unknown. We aimed to describe and evaluate a large HCC surveillance programme in a publicly funded healthcare system. METHODS: Data were collected from January 1, 2013, to December 31, 2022, from a retrospective cohort of subjects enrolled in a publicly funded automated recall semi-annual surveillance programme as per the American Association for the Study of Liver Disease HCC guidance in the Calgary Health Zone (~1.6 million), Canada. Patients were excluded if there was incomplete data or did not meet indications for surveillance. Cox regression was used to identify predictors of non-retention to surveillance. RESULTS: A total of 7269 patients were included. The median was age 55.5 years (IQR: 45.5-63.8), 60% were male, 46% were of Asian descent, 51% had HBV infection, and 36% had cirrhosis (35% alcohol-related). Median follow-up was 4.9 years (IQR: 1.5-7.2). Overall, 52% (n = 3768) of patients were retained in the surveillance programme, while 8.3% (n = 603) left for potential medical reasons, and 40% (n = 2898) were lost in follow-up. The median time in the programme for those lost in follow-up was 0.81 years (IQR: 0.0-2.8) compared to 6.75 years if retained (IQR: 5.6-8.6; p < 0.001). In multivariable Cox regression analysis, HCV aetiology (HR 1.41; CI 1.23-1.62, p < 0.01), African ethnicity (HR 1.20, CI 1.02-1.42, p = 0.03), and cirrhosis (HR 1.16, CI 1.05-1.28, p < 0.01) increased risk of dropout. On interaction analysis, Hepatitis B amongst cirrhotic patients also increased risk of dropout (HR 1.48, CI 1.05-2.07, p = 0.02). CONCLUSION: A dedicated automated recall HCC surveillance programme has a high retention rate in a large multi-ethnic cohort of patients while identifying certain marginalised patient populations, such as those with viral liver disease, cirrhosis, or African ethnicity, as particularly vulnerable to loss to follow-up.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».