Identifying population-level indicators to measure the quality of cancer care for women
Notice bibliographique
Résumé
OBJECTIVE: Although there is interest in measuring the quality of cancer care, there has been limited effort to evaluate quality for specific subpopulations such as women or to examine differences in performance among women associated with sociodemographic characteristics. The objective of this study was to identify a comprehensive set of quality indicators for evaluation of the quality of cancer care received by women using administrative data. DESIGN: A conceptual measurement framework developed by the study investigators was used to guide literature review to identify existing quality indicators. The list of potential indicators from the literature was first reviewed by the study investigators with respect to importance and feasibility to determine a set of indicators to present to an expert panel who used a modified Delphi process to select indicators for inclusion using predetermined explicit criteria. SETTING: The Project for an Ontario Women's Health Evidence-Based Report Card. PARTICIPANTS: A multidisciplinary expert panel consisting of clinicians, researchers and administrators with expertise in cancer, quality of care and/or health services research. MAIN OUTCOME MEASURE: Set of quality indicators evaluable from administrative data. RESULTS: The initial literature search identified 427 indicators, of which 46 were rated as important and feasible by the study investigators. Following two rounds of ratings and an in-person meeting, the expert panel recommended 31 indicators for inclusion in the final set spanning the following areas: general indicators (three indicators), cancer screening (six), colorectal cancer (four), lung cancer (three), breast cancer (five), gynecologic cancers (five), and end-of-life care (five). CONCLUSIONS: A comprehensive set of 31 indicators was identified to evaluate the quality of cancer care received by women that also allows assessment of gender and socioeconomic disparities in cancer care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».