Estimating the optimal rate of adjuvant chemotherapy utilization in stage III colon cancer.
Notice bibliographique
Résumé
6591 Background: Identifying optimal chemotherapy utilization rates can drive improvements in quality of care. We report a benchmarking approach to estimate the optimal rate of adjuvant chemotherapy (ACT) for stage III colon cancer. Methods: The Ontario Cancer Registry was linked to electronic chemotherapy records to identify ACT utilization among a random 25% sample of patients with stage III colon cancer diagnosed during 2002-2008 in Ontario, Canada. We explored whether hospital factors (teaching status, regional cancer centre, medical oncologist on-site) were associated with ACT rates. The benchmark population included hospitals with the highest ACT rates that accounted for 10% of the patient population. Hospital ACT rates were adjusted for case mix in a multi-level model accounting for random variation at the hospital level. A Monte Carlo simulation was used to estimate the proportion of observed ACT rate variation that could be due to chance alone. Results: The study population included 2,801patients with stage III colon cancer; ACT was delivered to 66% (1861/2801) of patients. There was no difference in hospital ACT rate by teaching status (64% academic vs 67% non-academic, p = 0.107), comprehensive cancer centre status (65% cancer centre vs 67% non-cancer centre, p = 0.362), or having medical oncology on site (67% on site vs 66% not on site, p = 0.840). After excluding hospitals that had case volumes less than 10 (N = 150), unadjusted ACT rates varied across hospitals (range 44% to 91%, p = 0.017). The unadjusted benchmark ACT rate was 81% (95%CI 76%-86%); utilization rate in non-benchmark hospitals was 65% (95%CI 63%-66%). When using adjusted ACT rates in a multi-level model significant variation remained across hospitals (p < 0.001). The adjusted benchmark ACT rate was 74% (95%CI 63%-83%); non-benchmark hospital ACT rate was 65% (95%CI 53%-75%). The simulation analysis suggested that the non-random component of ACT rate variation across hospitals was 1.5%. Conclusions: There is significant variation in ACT rates across hospitals in routine practice. The estimated benchmark ACT rate is 74%. However, simulation analyses suggest that most of the variation in ACT utilization across hospitals may be due to chance alone.
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 | 0,004 | 0,002 |
| 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 | 0,000 |
| 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 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 ».