MétaCan
Menu
Retour à la cohorte
Enregistrement W2883340124 · doi:10.1200/cci.18.00024

Development of Health Pathways to Standardize Cancer Care Pathways Informed by Patient-Reported Outcomes and Clinical Practice Guidelines

2018· article· en· W2883340124 sur OpenAlexaboutno aff
Afaf Girgis, Ivana Durcinoska, Eng‐Siew Koh, Weng Ng, Anthony Arnold, Geoff P. Delaney

Notice bibliographique

RevueJCO Clinical Cancer Informatics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachMedicineChecklistMEDLINEGuidelineDistressClinical decision support systemClinical PracticeHealth careNursingPsychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: High-quality symptom management and supportive care are essential components of comprehensive cancer care. We aimed to describe the development of an evidence-based automated decisional algorithm for patients with cancer that had specific, actionable, clinical, evidence-based recommendations to improve patient care, communication, and management. METHODS: We reviewed existing literature and clinical practice guidelines to identify priority domains of patient care and potential clinical recommendations. Two multidisciplinary clinical advisory groups used a two-stage consensus decision-making approach to determine domains of care and patient-reported outcome (PRO) measures and subsequently developed automated algorithms with clear clinical recommendations amendable to intervention in clinical settings. RESULTS: Algorithms were developed to inform management of patient symptoms, distress, and unmet needs. Three PRO measures were chosen: Distress Thermometer and problem checklist, Edmonton Symptom Assessment Scale, and the Supportive Care Needs Survey-Screening Tool 9. PRO items were mapped to five domains of patient well-being: physical, emotional, practical, social and family, and maintenance of well-being. A total of 15 actionable clinical recommendations tailored to specific issues of concern were established. CONCLUSION: Using automated algorithms and clinical recommendations provides a platform for streamlining and systematizing the use of PROs to inform risk-stratified guideline-informed care. The series of algorithms, which set out systematized care pathways for the clinical care of patients with cancer, can be used to potentially inform patient-centered 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,133
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,319

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,133
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,001
Communication savante0,0090,005
Science ouverte0,0030,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,171
Tête enseignante GPT0,492
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Clinical Cancer InformaticsMême sujetCancer survivorship and careTravaux en français237 207