Assessing the quality of chemotherapy in an episode-based funding model in Ontario.
Notice bibliographique
Résumé
1 Background: On April 1, 2014, the delivery of systemic treatment in Ontario transitioned to an episode-based funding model, which provides bundled payments for a full course of therapy delivered with adjuvant/curative intent and a monthly bundled payment for palliative intent. Disease Site Teams have defined treatment options and “best practice” for each funded adjuvant/curative regimen. Methods: The utilization of treatment according to disease and intent was analyzed for 35 systemic treatment facilities in Ontario, comparing actual practice (AP) with “best practice” (BP) (dose/schedule/cycle number), for common adjuvant/curative regimens. Variation in the choice of chemotherapy regimen was also reviewed. Results: Cases were included if they started a new course of adjuvant/curative therapy after January 1, 2014, and completed their treatment before July 31, 2015 (17,341 cases). For all disease sites and facilities, AP was equal to BP in 34.6% of cases, AP < BP in 57.5%, and AP > BP in 7.8% (Table). There was significant variation by disease site and facility. As a specific example, 1,368 courses of adjuvant mFOLFOX were completed for colorectal cancer: AP = BP (12 cycles) in 34% (range 7-70%), AP < BP in 66% (range 30-93%), and AP > BP in 1% (range 0-4%). Variation in choice of adjuvant regimen for breast cancer was also observed. Provincially, 21.5% of patients received non-anthracycline containing therapy, but the range in the 20 largest volume centers was 0% to 39.8%. Conclusions: With the administration of potentially curative therapy, it might be assumed that BP would be administered in the majority of cases. However, initial results demonstrate significant variation in practice in an episode based funding model. There is a need to understand the reasons for this variation and to identify potential opportunities to drive efficiency and to increase standardization by engaging clinical experts and practitioners. [Table: see text]
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».