MétaCan
Menu
Retour à la cohorte
Enregistrement W2888398400 · doi:10.1002/mp.12878

Improving patient outcomes and radiotherapy systems: A pan‐Canadian approach to patient‐reported outcome use

2018· article· en· W2888398400 sur OpenAlexafffundabout
Amanda Caissie, Erika Brown, Rob Olson, Lisa Barbera, Carol‐Anne Davis, Michael Brundage, Michael Milosevic

Notice bibliographique

RevueMedical Physics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueManagement of metastatic bone disease
Établissements canadiensPrincess Margaret Cancer CentreSunnybrook Health Science CentrePositive Living NorthQueen's UniversityUniversity of Northern British ColumbiaUniversity of British ColumbiaHealth Sciences CentreSaint John Regional HospitalUniversity of TorontoDalhousie University
Organismes subventionnairesPartenariat Canadien Contre Le Cancer
Mots-clésGeneral partnershipRadiation oncologyRadiation therapyMedicineMedical physicistMedical physicsHealth careProfessional associationFamily medicineBusinessPolitical scienceRadiologyPublic relations

Résumé

récupéré en direct d'OpenAlex

Standardized collection and use of clinical patient-reported outcomes (PRO) have potential to benefit the care of individual patients and improve radiotherapy system performance. Its centralized health-care system makes Canada a prime candidate to take a leader and collaborator role in international endeavors to promote expansion of patient-reported outcome collection and use in radiotherapy. The current review discusses the development of a pan-Canadian approach to PRO use, through a quality improvement initiative led by the Canadian Partnership for Quality Radiotherapy (CPQR), a unique partnership of Canadian radiotherapy professional organizations (Canadian Association of Radiation Oncology-CARO, Canadian Organization of Medical Physicists-COMP, and the Canadian Association of Medical Radiation Technologists-CAMRT).

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)0,055
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,595

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0100,021
Études des sciences et des technologies0,0040,003
Communication savante0,0080,003
Science ouverte0,0040,007
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,285
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetManagement of metastatic bone diseaseTravaux en français237 207