Evaluating the impact of the genitourinary multidisciplinary tumour board: Should every cancer patient be discussed as standard of care?
Notice bibliographique
Résumé
INTRODUCTION: We sought to prospectively evaluate the effectiveness of the multidisciplinary tumour board (MTB) on altering treatment plans for genitourinary (GU) cancer patients. METHODS: All GU cancer patients seen at our tertiary care hospital are discussed at MTB. We prospectively collected data on adult patients discussed over a continuous, 20-month period. Physicians completed a survey prior to MTB to document their opinion on the likelihood of change in their patient's treatment plan. Logistic regression was used to asses for factors associated with a change by the MTB, including patient age or sex, malignancy type, the predicted treatment plan, and the provider's years of experience or fellowship training. RESULTS: A total of 321 cancer patients were included. Patients were primarily male (84.4%) with a median age of 67 (range 20-92) years old. Prostate (38.9%), bladder (31.8%), and kidney cancer (19.6%) were the most common malignancies discussed. A change in management plan following MTB was observed in 57 (17.8%) patients. The physician predicted a likely change in six (10.5%) of these patients. Multivariate logistic regression did not determine physician prediction to be associated with treatment plan change, and the only significant variable identified was a plan to discuss multiple treatment options with a patient (odds ratio 2.46; 95% confidence interval 1.09-9.54). CONCLUSIONS: Routine discussion of all urologic oncology cases at MTB led to a change in treatment plan in 17.8% of patients. Physicians cannot reliably predict which patients have their treatment plan altered. Selectively choosing patients to be presented likely undervalues the impact of a multidisciplinary approach to care.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».