Video-Teleconferencing in Pediatric Neuro-Oncology: Ten Years of Experience
Notice bibliographique
Résumé
PURPOSE: The management of central nervous system tumors is challenging in low- and middle-income countries. Little is known about applicability of twinning initiatives with high-income countries in neuro-oncology. In 2004, a monthly neuro-oncology video-teleconference program was started between King Hussein Cancer Center (Amman, Jordan) and the Hospital for Sick Children (Toronto, Ontario, Canada). More than 100 conferences were held and > 400 cases were discussed. The aim of this work was to assess the sustainability of such an initiative and the evolution of the impact over time. METHODS: We divided the duration in to three eras according to the initial 2 to 3 years of work of three consecutive oncologists in charge of the neuro-oncology program at King Hussein Cancer Center. We retrospectively reviewed the written minutes and compared the preconference suggested plans with the postconference recommendations. Impact of changes on the patient care was recorded. RESULTS: Thirty-three sets of written minutes (covering 161 cases) in the middle era and 32 sets of written minutes (covering 122 cases) in the last era were compared with the initial experience (20 meetings, 72 cases). Running costs of these conferences has dropped from $360/h to < $40/h. Important concepts were introduced, such as multidisciplinary teamwork, second-look surgery, and early referral. Suggestions for plan changes have decreased from 44% to 30% and 24% in the respective consecutive eras. Most recommendations involved alternative intervention modalities or pathology review. Most of these recommendations were followed. CONCLUSION: Video-teleconferencing in neuro-oncology is feasible and sustainable. With time, team experience is built while the percentage and the type of treatment modifications change. Commitment and motivation helped maintain this initiative rather than availability of financial resources. Improvement in patients' care was achieved, in particular, with the implementation of a multidisciplinary team and the continuous effort to implement recommendations.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».