Piloting a Regional Collaborative in Cancer Surgery Using a “Community of Practice” Model
Notice bibliographique
Résumé
BACKGROUND: Patients requiring assessment for cancer surgery encounter a complex series of steps in their cancer journey. Further complicating the process is the fact that care is often delivered in a fragmented, silo-based system. Isolated strategies to improve cancer outcomes within those systems have had inconsistent results. METHODS: A regional quality improvement collaborative was developed based on a community of practice (cop) platform, a hub-and-spoke infrastructure, and a regional steering committee linking cop improvement projects with affiliated hospitals and their strategic priorities. The cop provided an avenue for multidisciplinary teams to collect and compare their performance data and to institute regional standards through literature review, discussion, and consensus. Regional interdisciplinary teams developed a set of quality indicators linked to mutually agreed-upon care standards. A limited regional database supported feedback about performance against both provincial and regional standards. RESULTS: The cop approach helped to develop a multihospital collaboration that facilitated care quality improvements on a regional scale, with clinical outcomes of the improvements able to be measured. The 9 participating hospitals delivered cancer surgery in the specific disease sites according to practitioner-developed and provincially- or regionally-generated care standards and clinical pathways. Compliance with provincial evidence-based clinical guidelines improved (20% increase in 2010-2011 compared with 2006-2007). Other significant improvements included standardization and implementation of regional perioperative pathways in breast, colorectal, and prostate cancer disease sites; rectal cancer surgery centralization; increased use of sentinel lymph node biopsies in breast cancer surgery; and decreased positive surgical margin rates in prostate cancer. CONCLUSIONS: Improved quality is likely a result of diverse confounding factors. The deliberately cultivated multihospital multidisciplinary cops have contributed to positive structural and functional change in cancer surgery in the region. This regional cop model has the potential to play an important role in the development of successful collaborations in care quality improvement.
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 | 0,064 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».