L’impact de la pandémie de covid 19 sur le diagnostic du cancer dans un service de pathologie du sud du Brésil
Bibliographic record
Abstract
La pandémie de Covid-19 a eu un impact significatif sur la vie des gens. L’un de ces impacts peut être vérifié dans le diagnostic d’autres maladies, en particulier le cancer. Problème: Quel a été l’impact sur le diagnostic des nouveaux cas de cancer dans la région couverte par un service de pathologie dans le sud du Brésil pendant la pandémie ? Objectif général: Évaluer s’il y a eu une diminution du nombre de diagnostics de cancer dans un service de pathologie du sud du Brésil pendant la pandémie. Méthodologie: Nous avons analysé les rapports de cas réalisés dans les Laboratoires du Groupe Infolaudo, au cours des premiers mois de la pandémie (avril et mai 2020) et comparés aux mêmes mois de 2019, afin de mesurer l’impact de la pandémie sur le diagnostic du cancer dans un Service de Pathologie du sud du Brésil. Résultats: En comparant les périodes d’avril et mai 2019 avec la même période en 2020, une diminution de 34,2% des procédures pathologiques a été remarquée. Certains types de cancer, comme le côlon, l’œsophage, le sein et la prostate, ont connu une diminution significative des diagnostics, soit 19,7 %, 45 %, 18,2 % et 37,7 %, respectivement. Conclusion: Avec la fermeture de nombreuses cliniques et cliniques aux premiers stades de la pandémie, il y a eu une diminution des diagnostics de cancer dans les laboratoires étudiés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".