NCCN Framework for Resource Stratification: A Framework for Providing and Improving Global Quality Oncology Care
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
More than 14 million new cancer cases and 8.2 million cancer deaths are estimated to occur worldwide on an annual basis. Of these, 57% of new cancer cases and 65% of cancer deaths occur in low- and middle-income countries. Disparities in available resources for health care are enormous and staggering. The WHO estimates that the United States and Canada have 10% of the global burden of disease, 37% of the world's health workers, and more than 50% of the world's financial resources for health; by contrast, the African region has 24% of the global burden of disease, 3% of health workers, and less than 1% of the world's financial resources for health. This disparity is even more extreme with cancer. NCCN has developed a framework for stratifying the NCCN Clinical Practice Guidelines in Oncology (NCCN Guidelines) to help health care systems in providing optimal care for patients with cancer with varying available resources. This framework is modified from a method developed by the Breast Health Global Initiative. The NCCN Framework for Resource Stratification (NCCN Framework) identifies 4 resource environments: basic resources, core resources, enhanced resources, and NCCN Guidelines, and presents the recommendations in a graphic format that always maintains the context of the NCCN Guidelines. This article describes the rationale for resource-stratified guidelines and the methodology for developing the NCCN Framework, using a portion of the NCCN Cervical Cancer Guideline as an example.
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 | 0,000 | 0,002 |
| 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 découle