MétaCan
Menu
Retour à la cohorte
Enregistrement W2119230149 · doi:10.1186/1472-6963-1-3

Waiting Lists for Radiation Therapy: A Case Study

2001· article· en· W2119230149 sur OpenAlexafffundabout
David D’Souza, Douglas K. Martin, Laura Purdy, Andrea Bezjak, Peter Singer

Notice bibliographique

RevueBMC Health Services Research · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensUniversity Health NetworkPrincess Margaret Cancer CentreUniversity of TorontoMcMaster UniversityJuravinski Cancer Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineAccountabilityGovernment (linguistics)WorkloadReferralHealth administrationHealth carePublic healthNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Why waiting lists arise and how to address them remains unclear, and an improved understanding of these waiting list "dynamics" could lead to better management. The purpose of this study is to understand how the current shortage in radiation therapy in Ontario developed; the implications of prolonged waits; who is held accountable for managing such delays; and short, intermediate, and long-term solutions. METHODS: A case study of the radiation therapy shortage in 1998-99 at Princess Margaret Hospital, Toronto, Ontario, Canada. Relevant documents were collected; semi-structured, face-to-face interviews with ten administrators, health care workers, and patients were conducted, audio-taped and transcribed; and relevant meetings were observed. RESULTS: The radiation therapy shortage arose from a complex interplay of factors including: rising cancer incidence rates; broadening indications for radiation therapy; human resources management issues; government funding decisions; and responsiveness to previous planning recommendations. Implications of delays include poorer cancer control rates; patient suffering; and strained doctor-patient relationships. An incompatible relationship exists between moral responsibility, borne by government, and legal liability, borne by physicians. Short-term solutions include re-referral to centers with available resources; long-term solutions include training and recruiting health care workers, improving workload standards, increasing compensation, and making changes to the funding formula. CONCLUSION: Human resource planning plays a critical role in the causes and solutions of waiting lists. Waiting lists have harsh implications for patients. Accountability relationships require realignment.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0140,003
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0040,004
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 Opus0,124
Tête enseignante GPT0,564
Écart entre enseignants0,440 · 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'étudeÉtude de cas
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

Citations25
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207