Challenges and Stakeholder Perspectives in the Referral Process for Suspected Uveal Melanoma: A Cross-Sectional Mixed Methods Study
Notice bibliographique
Résumé
Uveal melanoma (UM) is a rare but deadly eye cancer with a survival rate of 45% within 15 years of diagnosis (1). This is likely due to a lack of early treatment, a key characteristic of positive cancer outcomes (2). In fact, the risk of death due to UM increases by 1% for every 10-day delay in treatment (2). We surveyed and interviewed three major stakeholder groups in the UM referral process – ocular oncologists, primary eye care providers, and UM patients – to determine existing barriers in care that delay treatment. Ocular oncologists reported that many UM cases are referred too late, resulting in poor prognoses. They also identified a lack of information in referrals, leading to difficulties in triaging patients. Primary eye care providers lack confidence in differentiating between low- and high-risk lesions and are uncertain over where to send UM referrals. They stated that there is a lack of ocular oncologists needed to monitor suspicious lesions. Patients experienced initial misdiagnoses of their UM and described logistical barriers such as extensive travel and costly eye care that reduces accessibility of care. These challenges imply that there is a need for streamlining the UM referral process to achieve timely 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 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 | 0,005 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».