Defining lung cancer pre-diagnostic pathways in primary care: an explanatory sequential mixed-methods study
Notice bibliographique
Résumé
Le cancer du poumon est le cancer le plus fréquemment diagnostiqué au Canada et la première cause de décès liée au cancer. La survie du cancer du poumon est fortement associée au stade auquel il est diagnostiqué. La probabilité cumulative que les patients atteints d'un cancer du poumon survivent au moins trois ans (i.e., une survie nette de trois ans) est de 71 % pour ceux qui sont diagnostiqués au stade le plus précoce (stade 1) et de 5 % pour ceux qui sont diagnostiqués au stade le plus tardif (stade 4). Au Canada, environ 70 % des patients atteints d'un cancer du poumon sont diagnostiqués à un stade avancé de la maladie (stades 3 et 4), ce qui souligne la nécessité de détecter le cancer du poumon plus tôt. Des études portant sur les retards de diagnostic du cancer du poumon ont montré que les retards en première ligne contribuent largement aux retards de diagnostic globaux. Au Canada, on comprend mal ce qui se passe dans les soins de première ligne, depuis la première présentation du patient avec des signes et symptômes évocateurs d'un cancer du poumon, jusqu'à la référence vers un spécialiste des maladies respiratoires - autrement dit, l'intervalle de temps passé en première ligne. En outre, il a été démontré que le Québec a le taux de mortalité de cancer du poumon le plus élevé au Canada, mais aucune étude n'est consacrée aux soins de première ligne au Québec. Afin de réduire les retards inutiles dans le diagnostic du cancer du poumon, il est nécessaire de bien comprendre l'intervalle de temps passé première ligne pour pouvoir élaborer des stratégies d'amélioration ciblées. L'objectif général de ma thèse était d'acquérir une compréhension approfondie de l'intervalle de temps passé première ligne avant le diagnostic définitif de cancer du poumon (de la première présentation à la référence au spécialiste), appelée parcours pré-diagnostic, afin d'informer des stratégies d'amélioration potentielles alignées sur les sources de retards inutiles dans le contexte du Québec. Cela a été réalisé en cinq objectifs spécifiques - un objectif de méthode (objectif 1) et quatre autres objectifs (objectifs 2-5) décrits dans quatre manuscrits. Dans le premier manuscrit (objectif 1, chapitre 3), j'ai identifié des stratégies visant à réduire le biais de rappel dans l'utilisation des soins de santé de première ligne déclaré par les patients. Dans le deuxième manuscrit, j'ai identifié les différents parcours pré-diagnostics du cancer du poumon dans les soins de première ligne (objectif 2, chapitre 4) en me basant sur les données d'utilisation des soins de santé recueillies lors de 50 entretiens structurés avec les patients et par une revue de dossiers employant l'analyse des classes latentes. J'ai ensuite décrit les parcours en fonction des caractéristiques des patients et des tumeurs, et de la séquence des activités d'utilisation des services de santé (objectif 3, chapitre 4). Dans le troisième manuscrit (objectif 4, chapitre 5), j'ai exploré le rôle des facteurs qui peuvent influencer la rapidité du diagnostic de cancer - facteurs liés au patient, à la maladie et au système - sur les parcours pré-diagnostic identifiés. Les données ont été collectées à partir d'entretiens semi-structurés avec des patients (n=12) et analysées à l'aide d'une analyse thématique en mettant l'accent sur les similitudes et les différences entre les parcours. Dans le quatrième manuscrit (objectif 5, chapitre 6), j'ai identifié des sources potentielles de retard dans les parcours pré-diagnostic en me basant sur les résultats intégrés des deux manuscrits précédents. Les résultats montrent quatre sources de retard en première ligne : occasions manquées de référence plus précoce, manque d'intégration entre les soins de première ligne et secondaires, inefficacité des cliniques sans rendez-vous et manque de standardisation du parcours pré-diagnostic
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 | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».