MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161760183 · doi:10.82308/53649

Regional Variation in Ovarian Cancer Treatment in Ontario

2018· dissertation· en· W7161760183 sur OpenAlexaboutno aff
Clare Pollock

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOvarian cancerCancerNeoplasm stagingEpithelial ovarian cancer

Résumé

récupéré en direct d'OpenAlex

Objectifs: Le cancer de l'ovaire (OC) affecte environ 1 Canadien sur 70 et est la cinquième cause de mortalité due au cancer chez les femmes. Environ 2800 nouveaux cas de cancer de l'ovaire sont prévus en 2016 au Canada et environ 45% en Ontario. Il existe des différences régionales significatives dans la prévalence et les résultats de survie partout au Canada chez les femmes avec OC. Cette étude vise à évaluer les différences régionales dans le profil des patients, les modes de traitement, l'utilisation des ressources de soins de santé et les résultats cliniques des patients avec OC en Ontario.Méthodes: Il s'agit d'une étude rétrospective observationnelle de 2199 patients a été identifiée utilisent les bases de données administratives de l'Ontario. Les patientes de l'étude sont des femmes (≥18 ans) atteintes d'un cancer ovaire et traités selon les régimes provinciaux d'assurance-maladie de l'Ontario entre le 1er janvier 2007 et le 31 décembre 2011. Des statistiques descriptives ont été présentées pour toutes les données démographiques et les données de base des patients en général et par région. Les régions géographiques ont été regroupés en fonction de 14 unités de santé publique prédéfinies. Pour identifier les prédicteurs des résultats de santé axés sur le patient (survie globale, temps de récidive de la maladie, temps de la première chirurgie et temps entre la première et la deuxième chirurgie), on a utilisé une régression multivariée des risques proportionnels de Cox. Le temps prix pour recevoir la chirurgie, récidive de la maladie et de décès a été évalué avec l'estimation de Kaplan Meier de la fonction de survie. Résultats: Les résultats bruts pour le temps moyenne (DS) du mort et de récidive de la maladie était 39.32 (0.93) mois et 82.21 (1.88) semaine, respectivement. Il y a une différence dans le temps de mourir (p <0,001) et le temps de traitement (durée de la première chirurgie (p <0,001) et délai de suivi (p = 0,001) entre les RLISS, mais aucune différence dans le temps pour la récidive de la maladie (P = 0,069). La région était un prédicteur dans le temps jusqu'à la mort et le temps de la première chirurgie, mais pas un prédicteur avec récidive de la maladie ou le temps de la deuxième chirurgie à partir de la date d'index. Le coût global des médicaments d'ordonnance était de $5 589,4 par patient et le RLISS du Sud-Est avait le coût moyen le plus élevé en ordonnance par patient de $19 239.5 comparativement à Hamilton Niagara ayant le coût moyen le plus bas de $1 683.7. Conclusion: Il y a une différence dans les résultats cliniques et le temps de traitement entre les RLISS en Ontario, résultats de l'étude méritent une enquête plus approfondie sur les facteurs qui entraînent ces variations. Une meilleure détection et l'éducation des patients, la standardisation des soins et l'amélioration de l'accès aux soins peuvent améliorer les résultats en matière de santé des patients et réduire les variations régionales dans les soins aux patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,041
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,314
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOvarian cancer diagnosis and treatment→Travaux en français237 207→