Development of a Multidisciplinary, Multicampus Subspecialty Practice in Endocrine Cancers
Notice bibliographique
Résumé
OBJECTIVES: Relative to more abundant neoplasms, endocrine cancers have been historically neglected, yet their incidence is increasing. We therefore sought to build interest in endocrine cancers, improve physician experience, and develop innovative approaches to treating patients with these neoplasms. METHODS: Between 2005 and 2010, we developed a multidisciplinary Endocrine Malignancies Disease Oriented Group involving all 3 Mayo Clinic campuses (Rochester, Minnesota; Jacksonville, Florida; and Scottsdale, Arizona). In response to higher demand at the Rochester campus, we sought to develop a Subspecialty Tumor Group and an Endocrine Malignancies Tumor Clinic within the Division of Medical Oncology. RESULTS: The intended groups were successfully formed. We experienced difficulty in integration of the Mayo Scottsdale campus resulting from local uncertainty as to whether patient volumes would be sufficient to sustain the effort at that campus and difficulty in developing enthusiasm among clinicians otherwise engaged in a busy clinical practice. But these obstacles were ultimately overcome. In addition, with respect to the newly formed medical oncology subspecialty endocrine malignancies group, appointment volumes quadrupled within the first year and increased 7 times within 2 years. The number of active therapeutic endocrine malignancies clinical trials also increased from 1 in 2005 to 5 in 2009, with all 3 Mayo campuses participating. CONCLUSIONS: The development of subspecialty tumor groups for uncommon malignancies represents an effective approach to building experience, increasing patient volumes and referrals, and fostering development of increased therapeutic options and clinical trials for patients afflicted with otherwise historically neglected cancers.
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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».