METRICS FOR AYA CANCER CARE IN CANADA
Notice bibliographique
Résumé
Adolescents and young adults (AYAs, 15-39 years of age) with cancer face unique challenges. Efforts have been made to improve both care and outcomes for this population. Metrics to evaluate AYA cancer care efforts help to ensure that objectives and outcomes are being met. This thesis comprises 7 papers which explore system performance metrics for cancer care and control in AYAs. A scoping review introduces the topic and addresses the current state of indicator metrics for the AYA cancer population. The second paper extends this work and develops a consensus-based list of relevant indicators. The subsequent papers focus on further development of two of the identified indicators for implementation in Canada (identification of patient reported outcome measures (PROMS) for assessing distress; a referral indicator for oncofertility care). This thesis describes 14 indicators in 5 care areas. Two identified indicators were further developed to aid in implementation (“Proportion of AYA patients screened for distress with standardized AYA specific tools” and “Proportion of AYA patients who had fertility preservation discussion before treatment”). Criteria from the National Quality Forum (NQF) were used to assess commonly used PROMs for distress. It was found that although all PROMs had acceptable psychometric properties, only the “Impact of Cancer” scale of the CDS-AYA had strong content validity for AYA with cancer. For Oncofertility, the indicator “Proportion of cases attending a fertility consult visit ≤ 30 days from diagnosis of cancer” was recommended for use. Finally, factors associated with attending such a fertility consult were identified. Important factors for both men and women included: age at diagnosis, risk to fertility, year of diagnosis, treatment with radiation or chemotherapy, region of care, income and residential instability. The information presented in this thesis can be applied to national system performance initiatives to identify and implement metrics to monitor and evaluate cancer care in AYA.
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 | 0,016 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,027 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».