Improving Referral of Patients for Consideration of Adjuvant Chemotherapy after Surgical Resection of Lung Cancer
Notice bibliographique
Résumé
BACKGROUND: Clinical trials demonstrate improved survival for patients with completely resected non-small-cell lung cancer (nsclc) who receive adjuvant chemotherapy. Concerns have been raised about the implementation of those data. The present study measured rates of referral for adjuvant chemotherapy and barriers to referral, and it also evaluated a knowledge translation strategy to change practice. METHODS: An audit and feedback approach was used. Using a retrospective cohort of patients undergoing thoracotomy at St. Joseph's Hospital in Hamilton, Ontario, during January-December 2008, anonymized data were presented to a group of thoracic surgeons for evaluation and feedback. RESULTS: Among 150 thoracotomies performed, 55 patients with nsclc were potentially eligible for adjuvant chemotherapy, but only 27 (49%) were referred for it. Significant variability in referral between surgeons (19%-100%) was observed. Reasons for non-referral were poorly documented in the medical record, but appeared to be primarily the surgeon's decision. The feedback session with surgeons produced a number of constructive suggestions to implement change in practice. CONCLUSIONS: Our findings suggest that surgeon choice was the most significant barrier to implementation of adjuvant chemotherapy for nsclc. Audit and feedback was a useful knowledge translation strategy. However, longer follow-up is needed to document change in 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 | 0,006 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».