Improving the quality of care for patients receiving radiation therapy: Increasing the proportion of radiation treatment plans undergoing peer review in Ontario.
Notice bibliographique
Résumé
136 Background: Peer review of radiation treatment (RT) plans is recognized as an essential component of quality assurance programs in radiation medicine (Marks et al., 2013). The benefits of peer review include: (1) identifying errors that may compromise treatment outcomes, (2) enhancing safety by promoting standardization, and (3) promoting greater attention to detail in RT staff. Current state analysis conducted in 2011 identified considerable variation in the proportion of cases undergoing peer review across Ontario’s 14 cancer centres (Brundage et al., 2013). In 2012, Cancer Care Ontario launched an initiative to ensure all patients receiving radical/adjuvant radiotherapy have the benefit of peer review of their RT plans. Methods: A multi-professional project team was established to conduct site visits to promote peer review at the cancer centres. They also provided guidance on the organization of peer review rounds so that the activity could be incorporated into local workflows. The education, training, methods, and a centralized reporting infrastructure were developed in collaboration with centres over a one year ramp-up phase and patient-level data was available to the centres for audit purposes. The reporting infrastructure enabled reporting of (1) the proportion of cases peer reviewed and (2) the timing of peer review – prior to treatment, <25% dose delivered, >25% dose delivered. Results: Data for each centre is now a key quality metric and is publicly reported (see Cancer System Quality Index at http://www.csqi.on.ca/). The target for year-one of the project (2013-14) – the proportion of cases to be peer reviewed – was set at 50% with the intent that 100% of cases will be peer reviewed within the next two years. In the ramp-up year, the proportion of cases peer reviewed increased across all centres, though high variation still exists between centres. Conclusions: This initiative demonstrates that it is possible to substantially increase peer review activities on a jurisdictional basis. Key success factors include: a dedicated project team, buy-in and confidence in data quality from centres, investment in education and training, and commitment to public reporting.
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 | 0,011 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».