Forecasting the impact of stereotactic ablative radiotherapy for early-stage lung cancer on the thoracic surgery workforce
Notice bibliographique
Résumé
OBJECTIVES: To predict variation in thoracic surgery workforce requirements with the introduction of stereotactic ablative radiotherapy (SABR) for the treatment of early-stage non-small-cell lung cancer (NSCLC). METHODS: Using Canadian census microdata and the Canadian Community Health Survey, a microsimulation model representing the national population was developed. The demand component simulates the incidence of lung cancer, incorporating the impact of computed tomography (CT) screening for high-risk individuals (>30 pack-year smoking history; age 55-74 years). The supply component simulates the number of thoracic surgeons. SABR was introduced into the model to predict changes in the number of operable NSCLC cases per thoracic surgeon, modelling 30, 60 and 90% compliance with SABR for Stage IA and then for both Stage IA and IB NSCLC. RESULTS: In the absence of SABR, the volume of operative NSCLC per surgeon increases by a peak of 49.4% (by 2027) and then gradually declines to the present day volume by 2049. More dramatic decreases are seen with increasing compliance with SABR for Stage IA/IB NSCLCs. If the number of new surgeons entering the workforce per year were reduced by 33%, the operative volume per surgeon would increase by a peak of 57.1% (30% Stage IA SABR compliance) and would decrease by up to 49.1% (90% Stage IA SABR compliance). CONCLUSIONS: With the implementation of SABR for treatment of early NSCLC, there would be a decrease in operative volume. The impact would depend on the stage of NSCLC for which SABR is recommended and on compliance. A national strategy for thoracic surgery workforce planning is necessary, given the complex interaction of CT screening and the treatment of medically operable early NSCLC with SABR.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 ».