Reviewing systemic treatment regimens to reduce unintentional errors.
Notice bibliographique
Résumé
51 Background: Use of systemic treatment computerized prescriber order entry (ST CPOE) and pre-printed orders (PPO) are proven error reduction measures. Such systems are not failsafe, as regimen development depends on cognitive input at critical points and is susceptible to human error. No known guidance currently exists in oncology to ensure regimens are of high quality and built as intended. The purpose of this initiative was to improve the quality of oncology regimens in Ontario. Methods: A review of 35 centres, representing 75 treatment centres in a hub-and-spoke model, was conducted for all active regimens (PPO and CPOE) to ensure they were built as intended, with respect to drugs and doses. Centres completed an exploratory survey to report any unintentional discrepancies and existing maintenance review processes. The survey collected centre demographics and contained descriptive questions to document details of the regimen review and maintenance processes. Results: The review yielded an 86% response rate (12 regional and 18 community cancer centres). Upwards of 700 regimens were reviewed by a multidisciplinary team at each participating centre. Unintentional discrepancies were reported by 7 of the 30 (23%) centres (range of 2 – 141 per centre); types and examples are presented in the Table. Only 2 of 30 centres (7%) had an established regimen maintenance process. Conclusions: The review identified unintentional discrepancies and, due to the potential for patient harm, corrective action has been taken. There is a need for guidance and adoption of a standardized approach in order to sustain a high-quality regimen build and review process across the province. Consensus-based recommendations for ST CPOE and PPO regimen development and maintenance have been developed. Identified discrepancies have been amended and maintenance review processes are now implemented to improve the quality and safety of systemic treatment delivery. [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 | 0,040 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 | 0,001 |
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 ».