Creation of a Diagnostic Wait Times Measurement Framework Based on Evidence and Consensus
Notice bibliographique
Résumé
PURPOSE: Public reporting of wait times worldwide has to date focused largely on treatment wait times and is limited in its ability to capture earlier parts of the patient journey. The interval between suspicion and diagnosis or ruling out of cancer is a complex phase of the cancer journey. Diagnostic delays and inefficient use of diagnostic imaging procedures can result in poor patient outcomes, both physical and psychosocial. This study was designed to develop a framework that could be adopted for multiple disease sites across different jurisdictions to enable the measurement of diagnostic wait times and diagnostic delay. METHODS: Diagnostic benchmarks and targets in cancer systems were explored through a targeted literature review and jurisdictional scan. Cancer system leaders and clinicians were interviewed to validate the information found in the jurisdictional scan. An expert panel was assembled to review and, through a modified Delphi consensus process, provide feedback on a diagnostic wait times framework. RESULTS: The consensus process resulted in agreement on a measurement framework that identified suspicion, referral, diagnosis, and treatment as the main time points for measuring this critical phase of the patient journey. CONCLUSIONS: This work will help guide initiatives designed to improve patient access to health services by developing an evidence-based approach to standardization of the various waypoints during the diagnostic pathway. The diagnostic wait times measurement framework provides a yardstick to measure the performance of programs that are designed to manage and expedite care processes between referral and diagnosis or ruling out of cancer.
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 | 0,004 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».