Improving radiotherapy quality of care: Examining practice patterns in regional centers.
Notice bibliographique
Résumé
53 Background: Radiotherapy (RT) is a resource intensive cancer treatment. Benefits may take weeks to realize, whereas side effects are more immediate. RT is commonly delivered with palliative intent often near the end of life (EOL). In patients with limited life expectancy, single fractions (sf) may substitute for multi-fraction (mf) treatments. Objectives were to document RT courses delivered to patients with cancer at EOL, with the goal of informing treatment practices, developing a clinical decision-making tool and reducing potentially futile treatment and side effects for patients. Methods: Cancer Registry data was examined with ethics approval. Patient and prospective treatment data were collected and analyzed to determine the number of RT courses starting within 90 days of death (EOL) among those with cancer diagnoses who died between January 1, 2016, and July 31, 2017. Data was stratified by demographics, disease factors, RT center and prescription factors. Results are reported in aggregate and explored using tests of association (Stata 11.1). Results: Among 1874 patients who died, 2448 RT courses were identified across 4 RT centers. Of those prescribed RT at the EOL, there were 442 sf courses 100% completed, 1267 2-5 fraction courses 90% completed, 552 6-10 fraction courses 77% completed, and 187 11+ fraction courses 57% completed. Among patients prescribed RT 14 days prior to death, 24% had been prescribed a sf of RT compared to 18% of those within 90 days of death (Chi2 17.92, p < 0.001). Among patients prescribed RT 90 days prior to death, 25% of patients in tertiary Centre A were prescribed a sf compared to 13% of patients in tertiary Centre B (Chi2 121.90, p < 0.001). Patients were half as likely (RR = 0.47, 95% CI [0.39, 0.56], p < 0.001) to complete a mf treatment within 14 days of their death as compared to within 90 days. Patients who had a diagnosis to death interval of under a year were less likely to complete RT than those over a year (RR = 0.82, 95% CI [0.79, 0.85], p < 0.001). Conclusions: Multi-fraction RT is often not completed prior to death. Treating RT center is associated with differences in prescribing patterns. Better understanding of factors influencing RT practice patterns may lessen the proportion of potentially futile RT.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».