MétaCan
Menu
← Back to cohort
Record W7161760183 · doi:10.82308/53649

Regional Variation in Ovarian Cancer Treatment in Ontario

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

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldMedicine
TopicOvarian cancer diagnosis and treatment
Canadian institutionsnot available
Fundersnot available
KeywordsOvarian cancerCancerNeoplasm stagingEpithelial ovarian cancer

Abstract

fetched live from 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.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.041
Threshold uncertainty score0.143

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.005
Science and technology studies0.0010.001
Scholarly communication0.0010.000
Open science0.0010.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.033
GPT teacher head0.314
Teacher spread0.281 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same topicOvarian cancer diagnosis and treatment→French-language works237,207→