We propose a methodology to quantify the impact on breast cancer mortality of diagnostic delays caused by public health measures introduced as a response to the COVID-19 pandemic. These measures affected cancer pathways by halting cancer screening, delaying diagnostic tests, and reducing the numbers of patients starting treatment. We introduce a semi-Markov model, to quantify the impact of the pandemic based on publicly available population data for women age 65{89 years in England and relevant medical literature. We quantify age-specific excess deaths, for a period up to 5 years, along with years of life expectancy lost and change in cancer mortality by cancer stage. Our analysis suggests a 3-6% increase in breast cancer deaths, corresponding to more than 40 extra deaths, per 100,000 women, after age 65 years old over 5 years, and a 4-6% increase in registrations of advanced (Stage 4) breast cancer. Our modelling approach exhibits consistent results in sensitivity analyses, providing a model that can account for changes in breast cancer diagnostic and treatment services.


翻译:我们提出了一种方法,以量化由于COVID-19大流行导致的诊断延误对乳腺癌死亡率的影响。这些措施通过停止癌症筛查、延迟诊断测试和减少接受治疗的患者数量,影响了癌症途径。我们引入半马尔可夫模型,基于英格兰65-89岁妇女的公开人口数据和相关医学文献,量化由大流行引起的年龄特定的过度死亡,在5年内以及寿命损失年和癌症分期的死亡率变化。我们的分析表明,65岁以上女性在5年内,每10万女性额外死亡40多人,对应于乳腺癌死亡率增加3-6%,以及晚期(第4期)乳腺癌登记人数增加4-6%。我们的建模方法在敏感性分析中呈现一致的结果,提供了一个可以考虑乳腺癌诊断和治疗服务变化的模型。

0
下载
关闭预览

相关内容

【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
计算机 | EMNLP 2019等国际会议信息6条
Call4Papers
18+阅读 · 2019年4月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Capsule Networks解析
机器学习研究会
10+阅读 · 2017年11月12日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月18日
Arxiv
0+阅读 · 2023年5月18日
Interest-aware Message-Passing GCN for Recommendation
Arxiv
11+阅读 · 2021年2月19日
VIP会员
相关VIP内容
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员