Optimizing the collection and reporting of wait time data.
Notice bibliographique
Résumé
121 Background: Wait times for critical interventional radiology (IR) procedures have long been reported as barriers to access for cancer patients. Wait times have been difficult to measure in the province of Ontario as no mechanisms exist to capture IR data. Three individual programs at Cancer Care Ontario (CCO) began collection of CT-guided biopsies wait time data, with nuances dependent on program area of focus. The Cancer Imaging Program collects appointment availability for lung biopsies through a monthly email survey. The Diagnostic Assessment Program collects patient-level lung biopsy data at select facilities in the province. The Access to Care program collects patient-level data from facilities that perform CT biopsies, but the data is not specific to lung biopsies. To streamline data collection processes and provide a comprehensive report for the province, the three programs are collaborating to validate current data sets and optimize data collection. Methods: A four phase approach has been developed to prepare for the ongoing comprehensive report: Planning – identify target audience, timelines, and data; Data Validation – three step evaluation to compare data sets; Test Report – consultation of draft report with clinical experts; and Evaluation – lessons learned from steps one to three to prepare for ongoing report. Results: This initiative allows each program to: Critically assess the components of their respective datasets; Cross-validate data for consistency or alignment; and Frame the clinically relevant data components to support and inform decision making and reporting processes. Through this process, efficiencies are gained by streamlining data collection and ensuring alignment between program areas. The collaborative approach ensures the business needs of each program are protected in the final product. Furthermore, this process will allow decision makers at CCO to analyze various methods of wait time data collection and aid in methodology decisions of future collections. Conclusions: The final product of this initiative will provide physicians and decision makers throughout Ontario with robust data to understand what is happening in their hospitals. The report will also facilitate impact analysis of interventions to reduce wait times.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,231 | 0,372 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,009 | 0,017 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».