Closing the Quality Loop: Facilitating Improvement in Oncology Practice Through Timely Access to Clinical Performance Indicators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Health care organizations and professionals are being called on to develop clear and transparent measures of quality and to demonstrate the application of the data to performance improvement at the system and provider levels. MATERIALS AND METHODS: Cancer Care Ontario (CCO) initiated a pathology reporting project aimed at improving the quality of cancer pathology by standardizing the content, format, and transmission of reports to a central registry and enabling the information to be available for planning, quality measurement, and quality improvement. This population-based quality-improvement project involved more than 400 Ontario pathologists and more than 100 hospitals. Clinically relevant quality indicators that used the newly available data were developed and shared. Synoptic pathology data were electronically captured at the point of report development and used to automate the timely generation of clinical performance indicators that support quality improvement in surgical oncology. These reports provided comparison data at the organizational, regional, and population levels. RESULTS: Monthly quality indicator reports are generated and distributed to each cancer center and are used to generate dialogue at the professional, organizational, and regional levels regarding evidence-informed quality-improvement opportunities. Since the launch of the project, colorectal lymph node retrieval rates have increased from 76% to 87%, and pT2 prostatectomy margin positivity rates have decreased from 37% to 21%. CONCLUSION: High-quality, complete cancer pathology reports are important not only for contemporary oncological practice, but also for secondary users of pathology information including tumor registries, health planners, epidemiologists, and others involved in quality-improvement activities and research.
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.
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 | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle