Oral chemotherapy practices at Ontario cancer centres
Notice bibliographique
Résumé
PURPOSE: The use of oral chemotherapy agents in cancer treatment is increasing. To better understand issues affecting the optimal use of these agents, Cancer Care Ontario conducted an environmental scan of current practices in Ontario related to prescribing, dispensing, patient education, and supporting regimen adherence. METHODS: A series of semi-structured interviews were conducted either by phone (11 regions) or via email (two regions) with Ontario's Regional Cancer Centres over a 3-month period in 2012. A questionnaire was pre-circulated to the regions to guide the discussions. RESULTS: Responses were received from 13 of 14 regions. Considerable variation in practice was found. Of 13 responding regions, 12 (92%) lacked formal procedures or processes for the prescription of oral chemotherapy. Ten regions (77%) reported using either handwritten prescriptions or a mixture of methods with only three regions routinely using computerized order entry systems for oral chemotherapy prescribing. Oral chemotherapy was reported to be labeled as "chemotherapy" in 46% of the regions. Twenty-three percent indicated that they provide extensive patient education through a multi-disciplinary approach. A number of tools were used to encourage patient adherence in different regions. Patient education was identified as an area where more work could be done. CONCLUSION: Results indicate a lack of formal policies and variable practices across all aspects of oral chemotherapy in many regions. However, some regions have developed and implemented successful initiatives. The results from this review are informing provincial priorities and being shared between regions to support collaborative learning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 tête enseignante, 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 ».