MétaCan
Menu
Retour à la cohorte
Enregistrement W2112921409 · doi:10.1016/j.radonc.2014.08.029

Radiotherapy equipment and departments in the European countries: Final results from the ESTRO-HERO survey

2014· article· en· W2112921409 sur OpenAlexaff
Cai Grau, Noémie Defourny, Julian Malicki, Peter Dunscombe, Josep M. Borràs, Mary Coffey, Ben J. Slotman, Marta Bogusz, Chiara Gasparotto, Yolande Lievens, Arianit Kokobobo, Felix Sedlmayer, E.L. Slobina, Karen Feyen, Tatiana Hadjieva, Karel Odrážka, Jesper Grau Eriksen, Jana Jaal, Ritva Bly, B. Chauvet, Normann Willich, Csaba Polgár, Jakob Jóhannsson, Moya Cunningham, Stefano Maria Magrini, Vydmantas Atkočius, M. Untereiner, Martin Pirotta, Vanja Karadjinovic, S. Levernes, Krystof Skladowski, Maria Lurdes Trigo, Barbara Šegedin, Aurora Rodríguez Pérez, Magnus Lagerlund, Bert Pastoors, Peter Hoskin, Jaap Vaarkamp, Ramon Cleries Soler

Notice bibliographique

RevueRadiotherapy and Oncology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesEuropean SocieTy for Radiotherapy and Oncology
Mots-clésHEROMedical physicsMedicineArtLiterature

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Documenting the distribution of radiotherapy departments and the availability of radiotherapy equipment in the European countries is an important part of HERO - the ESTRO Health Economics in Radiation Oncology project. HERO has the overall aim to develop a knowledge base of the provision of radiotherapy in Europe and build a model for health economic evaluation of radiation treatments at the European level. The aim of the current report is to describe the distribution of radiotherapy equipment in European countries. METHODS: An 84-item questionnaire was sent out to European countries, principally through their national societies. The current report includes a detailed analysis of radiotherapy departments and equipment (questionnaire items 26-29), analyzed in relation to the annual number of treatment courses and the socio-economic status of the countries. The analysis is based on validated responses from 28 of the 40 European countries defined by the European Cancer Observatory (ECO). RESULTS: A large variation between countries was found for most parameters studied. There were 2192 linear accelerators, 96 dedicated stereotactic machines, and 77 cobalt machines reported in the 27 countries where this information was available. A total of 12 countries had at least one cobalt machine in use. There was a median of 0.5 simulator per MV unit (range 0.3-1.5) and 1.4 (range 0.4-4.4) simulators per department. Of the 874 simulators, a total of 654 (75%) were capable of 3D imaging (CT-scanner or CBCT-option). The number of MV machines (cobalt, linear accelerators, and dedicated stereotactic machines) per million inhabitants ranged from 1.4 to 9.5 (median 5.3) and the average number of MV machines per department from 0.9 to 8.2 (median 2.6). The average number of treatment courses per year per MV machine varied from 262 to 1061 (median 419). While 69% of MV units were capable of IMRT only 49% were equipped for image guidance (IGRT). There was a clear relation between socio-economic status, as measured by GNI per capita, and availability of radiotherapy equipment in the countries. In many low income countries in Southern and Central-Eastern Europe there was very limited access to radiotherapy and especially to equipment for IMRT or IGRT. CONCLUSIONS: The European average number of MV machines per million inhabitants and per department is now better in line with QUARTS recommendations from 2005, but the survey also showed a significant heterogeneity in the access to modern radiotherapy equipment in Europe. High income countries especially in Northern-Western Europe are well-served with radiotherapy resources, other countries are facing important shortages of both equipment in general and especially machines capable of delivering high precision conformal treatments (IMRT, IGRT).

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,032
Tête enseignante GPT0,359
Écart entre enseignants0,326 · 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

Citations177
Publié2014
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueRadiotherapy and OncologyMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207