Development of Health Pathways to Standardize Cancer Care Pathways Informed by Patient-Reported Outcomes and Clinical Practice Guidelines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,000 | 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 découle