Bridging the gap: measuring the impact of cancer patient navigation on time to CancerCare referral and first treatment for lung cancer
Notice bibliographique
Résumé
Background: Lung cancer is the leading cause of cancer deaths worldwide, due to advanced stages of disease at presentation. Healthcare systems are increasingly siloed, resulting in a myriad of care transitions that increase the complexity of care, often resulting in poor patient outcomes. Cancer patient navigation (CPN) emerged in Manitoba, as part of the province’s IN SIXTY initiative, with the general aim of guiding patients through the complexities of the healthcare system to reduce barriers to care, streamline services, and promote efficiencies. Since its inception over a decade ago, there has been no formalized evaluation of IN SIXTY and CPN in Manitoba. Purpose: The aim of this thesis was to measure the impact of CPN in Manitoba on supporting patients with primary lung cancer in achieving timely referral to CancerCare Manitoba (CCMB) and first treatment. Methods: A retrospective, cohort study of Manitoba Cancer Registry and Aria data was completed to compare patients who received care from a nurse navigator as part of CPN to patients who received standard care, on the number of days from lung cancer diagnosis to CCMB referral, and date of first treatment, using multilinear Cox proportional hazards regression analysis. Findings: Patients who received CPN, actualized by nurse navigators, had a statistically significant reduced number of days from lung cancer diagnosis to referral receipt at CCMB, and to the date of first treatment. The timing of CPN, which was found to occur at different points along the cancer continuum, was also found to affect the degree to which CPN impacted timely lung cancer care. CPN implemented prior to lung cancer diagnosis was found to be the most effective model of care. Conclusion: CPN is an effective, nurse-led, model of care, that shortens the time to CCMB referral and first treatment for lung cancer. Further research is needed regarding its impact in other disease sites, and during the suspicion-interval of newly suspected cancer.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».