MétaCan
Menu
← Retour à la cohorte
Enregistrement W2018842571 · doi:10.1118/1.2244705

Sci‐Sat AM (2) Therapy‐09: Quality Audits of a Medical Physics QA Program

2006· article· en· W2018842571 sur OpenAlexaff
David Mason, A. Baillie, Janik Wolters

Notice bibliographique

RevueMedical Physics · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésAuditQuality assuranceWorkloadChartComputer scienceMedical physicsQuality (philosophy)Quality auditOperations managementEngineeringMedicineAccountingMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Documented radiation incidents world‐wide illustrate the importance of a rigorous physics quality assurance (QA) program. Since the QA program is such an important part of a radiotherapy operation, it should itself be subject to quality audits to ensure its effectiveness. We have been tracking QA activities in a custom database application, and since 2000, have been auditing our QA activities every six months. The audit produces quality indicators of equipment QA and physicist chart‐checking. The compliance rate and effectiveness of our tests are tracked and the information is used to improve our processes. Attention to these indicators has led to improvements in on‐time compliance, which is now typically greater than 95% for QA tests and QA review. Chart‐check activities show a rate of potentially significant problems found of about 3%, which has remained consistent through changes in workload and through major changes in treatment planning software and processes. In this paper we will share some of the observations of QA performance data, and discuss how this data has been used to improve our QA program. We will present some general lessons to be learned about the effectiveness of QA programs, and the human psychology of doing this kind of activity well.

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)0,018
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,058
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,006

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 Opus0,021
Tête enseignante GPT0,359
Écart entre enseignants0,338 · 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'étudeObservationnel
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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→