MétaCan
Menu
← Retour à la cohorte
Enregistrement W2600840461 · doi:10.1200/jco.2015.33.15_suppl.e17708

Implementation of lung cancer nurse coordinator significantly enhances patient care and delivery of appropriate chemotherapy.

2015· article· en· W2600840461 sur OpenAlexaffabout
Kelly Zibrik, Janessa Laskin, Cheryl Ho

Notice bibliographique

RevueJournal of Clinical Oncology · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineReferralLung cancerInternal medicineOncologyCancerErlotinibRadiation therapyTriageFamily medicineEmergency medicineEpidermal growth factor receptor

Résumé

récupéré en direct d'OpenAlex

e17708 Background: Involvement of nurse coordinators (NC) in oncology care is becoming increasingly common to facilitate more timely access to treatment for patients. The NC role in lung cancer at the BC Cancer Agency (BCCA) involves developing algorithms for staging investigations, molecular tests and referrals. BC has a publicly funded health care system and reflex molecular testing is not available. The purpose was to evaluate referral practice, timelines and molecular testing for advanced NSCLC patients, pre and post implementation of a nurse triage coordinator. Methods: The study included patients referred to the BCCA – Vancouver Centre with advanced NSCLC in 2011 baseline and 2014 after the implementation of a NC. EGFR and ALK testing is available for stage IIIB/IV non squamous NSCLC. Referral patterns, systemic therapy/radiotherapy (XRT), timelines, molecular testing parameters were collected. Results: 408 patients were included: 212 in 2011, 196 in 2014. Medical oncology (MO) endpoints comparing 2011 to 2014: referral rates remained the same, the proportion who received systemic treatment increased 57% vs 69% (p = 0.05). Time from referral to MO consult 18 d vs 15.5 d (p = 0.11), referral to systemic therapy delivery was reduced 48 d vs 38 d (p = 0.016). Molecular testing: time from referral to EGFR result was reduced 34 d vs 20 d (p < 0.001), EGFR result available at MO consult increased 6% vs 37% (p < 0.001), rate of molecular testing increased 62% vs 91% (p < 0.001), EGFR mutation positive (19% vs 26% p = 0.26). For radiation oncology (RO) endpoints: RO consults 87% vs 80% (p = 0.05), the same proportion of patients received XRT (91% vs 87%). Time from referral to RO consult 10 d vs 8 d (p = 0.005), referral to XRT 18 d vs 11.5 d (P < 0.001). Conclusions: Implementation of a NC reduced wait times from referral to treatment for MO and RO. The proportion of patients who underwent molecular testing increased and the EGFR positivity rate remained the same, therefore more patients received appropriate first line targeted therapy. Participation of a nurse coordinator during triage activities suggests that physician, diagnostic and clinical resources are more correctly allocated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,403
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetEconomic and Financial Impacts of Cancer→Travaux en français237 207→