Improving consistency of high quality diagnosis, staging, and treatment using measurement.
Notice bibliographique
Résumé
217 Background: To improve variability in diagnosing and treating cancer resection cases, six Canadian provinces implemented standardized pathology checklists to transition from narrative to synoptic reporting. In clinical practice, pathologists are electronically capturing data on the resected cancer specimens synoptically for breast, colorectal, lung, prostate, and endometrial cases. Though data were collected in a standardized format, consensus based indicators were unavailable to coordinate action across Canada. Objectives: We aimed to develop indicators to measure consistency of high quality cancer diagnosis, staging, prognosis and treatment, and coordinate action. Methods: A literature review was conducted with the input of clinical experts to inform the development of indicators. 50 clinicians from x jurisdictions reviewed, selected and ranked 33 indicators, initially drafted. Clinicians also provided input on the clinical validity of the indicators and set targets based on evidence. Clinicians reviewed the baseline data, confirmed the clinical usefulness of indicators, and assigned indicators into three pioneered domains. Results: 47 indicators were developed and categorized into one of three domains: descriptive, which provide data on intrinsic measures of a patient’s tumour, such as stage or tumour type; process, which measure the quality of data completeness, timeliness and compliance; and clinico-pathologic outcome, which examine surgeon or pathologist effect on the diagnostic pathway, such as margin positivity rates or adequacy of lymph node removal. Examples of indicators are: margin status; lymph node examined, involved and retrieval; histologic type and grade distribution; lympho-vascular invasion; pT3 margin positivity rate. Conclusions: The indicators have set a framework for: measuring consistency and inconsistency in diagnosing and staging cancer; for organizing conversations and multidisciplinary group discussions; and establishing the culture of quality improvement.
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 | 0,236 | 0,342 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,022 | 0,029 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».