Using the Delphi Technique to Improve Clinical Outcomes Through the Development of Quality Indicators in Renal Cell Carcinoma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,033 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle