Radiotherapy utilization in developing countries: An IAEA study
Notice bibliographique
Résumé
Background The planning of national radiotherapy (RT) services requires a thorough knowledge of the country's cancer epidemiology profile, the radiotherapy utilization (RTU) rates and a future projection of these data. Previous studies have established RTU rates in high-income countries. Methods Optimal RTU (oRTU) rates were determined for nine middle-income countries, following the epidemiological evidence-based method. The actual RTU (aRTU) rates were calculated dividing the total number of new notifiable cancer patients treated with radiotherapy in 2012 by the total number of cancer patients diagnosed in the same year in each country. An analysis of the characteristics of patients and treatments in a series of 300 consecutive radiotherapy patients shed light on the particular patient and treatments profile in the participating countries. Results The median oRTU rate for the group of nine countries was 52% (47–56%). The median aRTU rate for the nine countries was 28% (9–46%). These results show that the real proportion of cancer patients receiving RT is lower than the optimal RTU with a rate difference between 10–42.7%. The median percent-unmet need was 47% (18–82.3%). Conclusions The optimal RTU rate in middle-income countries did not differ significantly from that previously found in high-income countries. The actual RTU rates were consistently lower than the optimal, in particular in countries with limited resources and a large population.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».