QuickStart radiotherapy: an inter-professional approach to expedite radiotherapy treatment in early breast cancer
Notice bibliographique
Résumé
Abstract Background and purpose This study aims to develop an expedited radiotherapy (RT) process and evaluate its time savings in women requiring whole breast RT. Material and methods An inter-professional RT team streamlined the computed tomography (CT) simulation and treatment pathway for a ‘QuickStart’ process. Target delineation was performed by an advanced practice radiation therapist and approved by the radiation oncologist (RO) for planning. Automated breast planning software was used for treatment planning and standard quality checks were performed. To assess time savings, the initial 25 QuickStart patients were matched with women who underwent whole breast simulation on the same day (±3 days), treated using the conventional process. Results A total of 73 post-lumpectomy women were treated through the QuickStart process; the median consent-to-RT was 2 days (range: 0–13) and the mean CT simulation-to-RT treatment was 2 hours and 42 minutes (SD 0:30). In the subgroup analysis, QuickStart patients saved an average of 11 days from CT simulation-to-RT and had shorter median wait-times for both surgery/chemotherapy-to-RT (60 versus 38 days; p =0·002) and consultation-to-RT (7 versus 20 days; p <0·001). Conclusions Through inter-professional team efforts and the application of automated planning software, we have achieved a process that significantly decreases patient wait-times while maintaining the quality of whole breast RT.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».