MétaCan
Menu
← Retour à la cohorte
Enregistrement W1963486226 · doi:10.1118/1.3613127

TU-C-BRB-07: Medical Physics Staffing for Radiation Treatment: A Robust Algorithm with Trans-Canada Validation

2011· article· en· W1963486226 sur OpenAlexaboutno aff
Brett W. Clark, Michael S. Patterson, Luc Beaulieu, M Sharpe, L J Schreiner, M MacPherson, Jacob Van Dyk, Jerry Battista

Notice bibliographique

RevueMedical Physics · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStaffingWorkloadMedical physicsPatient safetyScale (ratio)Computer scienceOperations managementOperations researchAlgorithmMedicineHealth careEngineeringPhysicsNursing

Résumé

récupéré en direct d'OpenAlex

Purpose: To describe an algorithm for determining appropriate physics staffing for radiation treatment. Motivation for this work came from the age of current guidelines which predate the recent evolution in techniques and technology, and also several significant adverse incidents where a lack of physics staffing was identified as a contributing factor to excessive radiation exposure of patients. Methods: Guided by published times required per procedure, we developed an algorithm adaptable to local practice which estimates staffing requirements for medical physics with parameters derived from clinical procedures and service workload, equipment inventory, training, clinical development and administration. The predictive power was evaluated using data from 32 Canadian centres. This algorithm was used to model staffing requirements for the next 10 years to aid regional, institutional and educational program planning with consideration given to the “4Rs” of human resources planning: Requirements, Recruitment, Retention and Residency. Results: For centre-specific human resource planning, we propose a grid of coefficients addressing specific workload factors for each group. For larger scale planning, case-based ratios were determined at 260, 300 and 600 annual radiotherapy cases for medical physicists, dosimetrists and electronics technologists respectively. Assuming a 2.5% growth in incidence of cancer and stable utilisation, our supply and demand model predicts a requirement for an additional 39 medical physicists for Ontario by the year 2020. If an additional 3% annual growth in radiation therapy utilisation is included, the number rises to 87. Conclusions: We describe a robust algorithm to determine medical physics staffing levels adaptable to centre-specific workload and evolving local radiation treatment practice. Although annual caseload has been used in the past as a major parameter for global physics staffing determination, our results indicate that local clinical services and equipment as well as academic activity cause significant deviations from predictions based solely on caseload.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,398

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,312
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvances in Oncology and Radiotherapy→Travaux en français237 207→