MétaCan
Menu
Retour à la cohorte
Enregistrement W4412517551 · doi:10.1177/23743735251360831

Impact of COVID-19 Pandemic on the Management of Oncology Patients in Eastern Canada

2025· article· en· W4412517551 sur OpenAlexaffabout
Laura Ross, Rana Sughayar, Lalita Bharadwaj, Donaldo D. Canales, Ian C. Chute, Mrudula Avileli, Pierre O’Brien, Maged Salem, Nizar Abdel‐Samad

Notice bibliographique

RevueJournal of Patient Experience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensSaint John Regional HospitalDalhousie UniversityHorizon Health NetworkMoncton Hospital
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Internal medicineCancerVaccinationHealth careSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Family medicineEmergency medicineIntensive care medicineImmunologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The present study assessed the impact of the COVID-19 pandemic on adult oncology patients at an oncology clinic in Atlantic Canada. Patients completed a survey about their cancer diagnosis, treatment, and the impact of the COVID-19 pandemic on their health between September 2021 and April 2022. Seroprotection from the COVID-19 vaccine was assessed in a subset of patients. Of the 178 patients who provided consent, 161 completed the survey and 134 provided blood samples for seropositive analysis. Most reported no perceived delays in their cancer diagnosis (93.2%), treatment (91.8%), or follow-up care (98.1%) because of the pandemic. Although 75.2% of patients reported anxiety about contracting COVID-19, majority (96.3%) did not miss their appointments because of the pandemic. Seroprotection rates after COVID-19 vaccination did not differ significantly by treatment type; however, patients with hematological cancers had a significantly lower response. This study offers a snapshot of how the COVID-19 pandemic affected the diagnosis, treatment, and well-being of patients with cancer. The findings may help to guide clinical decisions and mitigate care delays in the future.

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 enseignants0,067
Score d'incertitude au seuil0,992

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 Opus0,072
Tête enseignante GPT0,442
Écart entre enseignants0,370 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetCOVID-19 and healthcare impactsTravaux en français237 207