Identifying the use and barriers to the adoption of renal tumour biopsy in the management of small renal masses
Notice bibliographique
Résumé
INTRODUCTION: Renal tumour biopsies (RTBs) can provide the histology of small renal masses (SRMs) prior to treatment decision-making. However, many urologists are reluctant to use RTB as a standard of care. This study characterizes the current use of RTB in the management of SRMs and identifies barriers to a more widespread adoption. METHODS: A web-based survey was sent to members of the Canadian and Quebec Urological Associations who had registered email address (n=767) in June 2016. The survey examined physicians' practice patterns, RTB use, and potential barriers to RTB. Chi-squared tests were used to assess for differences between respondents. RESULTS: The response rate was 29% (n=223), of which 188 respondents were eligible. A minority of respondents (12%) perform RTB in >75% of cases, while 53% never perform or perform RTB in <25% of cases. Respondents with urological oncology fellowship training were more likely to request a biopsy than their colleagues without such training. The most frequent management-related reason for not using routine RTB was a belief that biopsy won't alter management, while the most frequent pathology-related reason was the risk of obtaining a false-negative or a non-diagnostic biopsy. CONCLUSIONS: Adoption of RTBs remains low in Canada. Concerns about the accuracy of RTB and its ability to change clinical practice are the largest barriers to adoption. A knowledge translation strategy is needed to address these concerns. Future studies are also required in order to define where RTB is most valuable and how to best to implement it.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».