MétaCan
Menu
Retour à la cohorte
Enregistrement W2109698647 · doi:10.1200/jop.2012.000870

Using the Delphi Technique to Improve Clinical Outcomes Through the Development of Quality Indicators in Renal Cell Carcinoma

2013· article· en· W2109698647 sur OpenAlexafffund
Lori Wood, Georg A. Bjarnason, Peter C. Black, Ilias Cagiannos, Daniel Yick Chin Heng, Anil Kapoor, Christian Kollmannsberger, Forough Mohammadzadeh, Ronald B. Moore, Ricardo Rendon, Denis Soulières, Simon Tanguay, Peter Venner, Michael A.S. Jewett, Antonio Finelli

Notice bibliographique

RevueJournal of Oncology Practice · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversity of OttawaVancouver Hospital and Health Sciences Centre
Organismes subventionnairesPfizer Canada
Mots-clésMedicineRenal cell carcinomaDelphi methodQuality (philosophy)MEDLINEDelphiOncologyIntensive care medicineMedical physicsInternal medicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Optimal quality of care is needed for ideal outcomes. In renal cell carcinoma (RCC), there is a lack of information defining optimal care. This is particularly important in RCC, with increased complexity of care and a need for coordination among providers. The goal of this study was to identify quality indicators (QIs) and measures of quality care across the RCC disease spectrum. MATERIALS AND METHODS: A modified Delphi technique was used to select QIs that are relevant and practical to RCC care. This technique involved an expert panel of 13 urologic and medical oncologists who participated in two e-mail questionnaires and an in-person meeting to review and prioritize potential QIs. These potential QIs were identified from a systematic literature review or were suggested by panel members. RESULTS: From 233 literature citations, 34 possible QIs were identified; 24 additional potential QIs were suggested. A final set of 23 QIs was established. These are distributed across the RCC disease spectrum as follows (number of QIs in parentheses): screening (n=1), diagnosis/prognosis (n=3), surgical for localized disease (n=6), surgery for advanced disease (n=3), systemic therapy (n=6), and follow-up (n=2). In addition, two QIs related to survival outcomes (overall and progression-free survival) were selected. CONCLUSION: A systematic, consensus-based approach was used to determine relevant QIs in RCC care. These 23 QIs will provide a means of evaluating the quality of RCC care in an effort to improve outcomes in patients. The next step will be to establish a means of measuring each QI based on defined or yet-to-be-defined benchmarks.

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)0,334
score de la tête « metaresearch » (Gemma)0,332
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil0,821

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3340,332
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0180,011
Études des sciences et des technologies0,0040,006
Communication savante0,0050,006
Science ouverte0,0030,015
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,332
Tête enseignante GPT0,595
Écart entre enseignants0,264 · 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.

Devis d'étudeQualitatif
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

Citations49
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Oncology PracticeMême sujetDelphi Technique in ResearchTravaux en français237 207