Quantifying diagnostic intervals and routes to diagnosis for children and young people with cancer in the UK (Childhood Cancer Diagnosis study, CCD): a population-based observational study
Notice bibliographique
Résumé
Background: Childhood cancer is a global disease burden, with early diagnosis a priority. We quantified diagnostic intervals and referral routes for children and young people (CYP 0-18 years) diagnosed with cancer in the UK. Methods: All CYP diagnosed between September 2020-March 2023 were eligible. Demographic, referral, and symptom data were collected prospectively. Patient interval (PI), diagnostic interval (DI), and total diagnostic interval (TDI) were calculated. Findings: 1957 CYP (mean age 7.4 years, 55% male, 78% white) participated. Median PI, DI, and TDI were 1.1 (IQR 0.1-4.0; range 0-164), 1.7 (IQR 0.4-5.9; range 0-310), and 4.6 weeks (IQR 2.0-11.4; range 0-310), respectively. Intervals were unaffected by sex, ethnicity or deprivation index (IMD). Median TDI was longest in 15-18 years (8.7 weeks, IQR 3.0-17.4) and bone tumours (12.6 weeks, IQR 6.6-23.4) and shortest in under ones (3.7 weeks, IQR 1.0-8.1) and renal tumours (2.3 weeks, IQR 0.9-5.0). 74% (n = 1438) had 1-3 pre-diagnostic healthcare contacts; 67% (n = 1312) presented emergently, with a median of 4.0 (range 0-26) symptoms. CYP with Langerhans Cell Histiocytosis were most likely to have ≥4 visits when compared with leukaemia (adjusted OR 7.48, 95% CI 3.54-15.82), followed by central nervous system, bone, and soft tissue tumours. Interpretation: This study highlights equal access to diagnosis for sex, ethnicity and IMD, but disparities for age and diagnostic groups. These data will inform professional and public health strategies and health policy to accelerate diagnosis for all. Funding: National Institute for Health and Social Care Research (NIHR) DRF-2018-11-ST2-055.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».