Challenges That Hinder the Translation of Clinical Advances Into Practice: Results From an International Assessment in Colorectal Cancer
Notice bibliographique
Résumé
BACKGROUND: Over the past decade, individualization of treatment for colorectal cancer (CRC) has been improved by: (1) approval of several new agents by national agencies such as the US Food and Drug Administration (FDA); and (2) rapid advances in mutation analysis. However, data are sparse on the clinical challenges experienced by oncologists as they address the increased complexity created by the growing potential for individualization of CRC treatment. MATERIALS AND METHODS: To identify clinical challenges experienced by oncologists regarding CRC treatment, an international assessment was conducted. A mixed methods approach was used, with the collection and analysis of qualitative (semistructured telephone interviews) and quantitative (online survey) data. Participants were oncologists actively practicing in 1 of 7 targeted countries with a minimum caseload of 10 CRC patients per year. RESULTS: The sample included 358 oncologists from China (n = 68), France (n = 44), Germany (n = 44), Italy (n = 45), Spain (n = 44), the United Kingdom (n = 45), and the United States (n = 68). Mixed methods findings indicated that oncologists' treatment selection is hindered by practice challenges in: (1) mutation analysis and subsequent adaptation of treatment; (2) optimal sequential use of treatment choices; (3) treatment individualization based on patient and tumor profile; (4) management of side effects and toxicities; (5) chemoresistance, cross-resistance, and combinations to overcome resistance; and (6) access to new emerging treatments. CONCLUSION: In the context of increased complexity created by the approval of new agents and advances in mutation analysis, challenges are experienced by practicing oncologists in the individualization of treatment for CRC patients. Details of these challenges should stimulate dialogue among oncologists, and development of interventions to improve clinical practice.
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 | 0,084 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».