Medical Oncology Workload in Canada: Infrastructure, Supports, and Delivery of Clinical Care
Notice bibliographique
Résumé
Background: In 2000, a Canadian task force recommended that medical oncologists (MOS) meet a target of 160–175 new patient consultations per year. Here, we report the Canadian results of a global survey of mo workload compared with mo workload in other high-income countries (HICS). Methods: Using a snowball method, an online survey was distributed by national oncology societies to chemotherapy-prescribing physicians in 22 HICS (World Bank criteria). The survey was distributed within Canada to all members of the Canadian Association of Medical Oncologists. Workload was measured as the annual number of new cancer patient consults per oncologist. Results: The survey was completed by 782 oncologists from HICS, including 58 from Canada. Median annual consults per mo were 175 in Canada compared with 125 in other HICS. The proportions of MOS having 100 or fewer consults or more than 300 consults per year were 3% (2/58) and 5% (3/58) in Canada compared with 31% (222/724) and 16% (116/724) in other HICS (p < 0.001 and p = 0.023 respectively). The median number of patients seen in a full-day clinic was 15 in Canada and 25 in other HICS (p = 0.220). Canadian MOS reported spending a median of 55 minutes per new consultation; new consultations of 35 minutes were reported in other HICS (p < 0.001). Median hours worked per week was 55 in Canada and 45 in other HICS (p = 0.200). Conclusions: Although the median annual clinical volume for Canadian MOS aligns with recommended targets, half the respondents exceeded that level of activity. Health policymakers and educators have to consider mo workforce supply and alternative models of care in preparation for the anticipated surge in cancer incidence in the coming decade.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».