MétaCan
Menu
Retour à la cohorte
Enregistrement W2893551422 · doi:10.1200/jgo.18.13400

Improving the Quality of Outcomes of Complex Cancer Surgery Through National Standards: Lessons From Canada

2018· article· en· W2893551422 sur OpenAlexaffabout
Anubha Prashad, Natasha Camuso, Mary Argent-Katwala, Corinne Daly, Christian Finley

Notice bibliographique

RevueJournal of Global Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensCanadian Partnership Against Cancer
Organismes subventionnairesnon disponible
Mots-clésMedicineBest practiceAuditMultidisciplinary approachContext (archaeology)SpecialtyBlueprintHealth careNursingMedical educationFamily medicineBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Background and context: Evidence shows there is wide variability in cancer care service delivery and patient outcomes. Outcomes of complex surgery can be improved by following standards that outline optimal ways to plan, organize and deliver surgical care. While some cancer surgeries are associated with a high risk of adverse outcomes, they also offer the best option for a cure. To ensure optimal patient outcomes, deliberate approaches are needed to standardize the organization of complex care surgeries. Aim: Leverage the expertise of specialty-based and multidisciplinary communities to develop pan-Canadian standards of practice as a means to elevate the delivery of oncologic surgery in Canada. Strategy/Tactics: A phased, multimodal qualitative and quantitative approach was undertaken to develop evidence-based consensus standards for best practice in complex surgery, through the analysis of administrative data to examine access and outcomes of complex, advanced-care surgery and discussion with public representatives to explore trade-offs for reorganizing cancer surgery. Results informed a literature review to identify best practices in complex surgery. Expert panels were convened with disease specific specialty surgeons to inform the development of evidence-informed consensus standards. Draft standards were finalized after targeted review and validation by a wider community of healthcare professionals. Program/Policy process: The standards were endorsed by national professional organizations. An audit was conducted with all surgical programs in Canada to assess pan-Canadian compliance with the standards. Barriers to compliance were tracked to identify areas where local, regional or national activity could support quality initiatives. Outcomes: National standards were developed and highlighted: surgeon criteria, practice settings, and quality improvement. These comprehensive standards provide actionable recommendations that can be tailored to meet local needs. The standards will help organize care in way that maximizes patient outcomes while maintaining reasonable access to care. This work reflects a Canadian approach to a global problem around appropriate delivery of cancer surgical services and facilitates international conversations to mobilize effective knowledge transfer and best practices. What was learned: • Development of national standards is an iterative process that requires upfront buy-in from surgeons, multidisciplinary communities and national associations. Lessons learned from this initiative can support development of international demonstration projects and can help model a process that others could use. • Mechanisms to enhance knowledge of the optimal organization of complex surgery services requires multifaceted and sustained attention. Thoughtful exploration of how surgical care interfaces with other treatment modalities is paramount to ensure a seamless patient journey.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,431
Tête enseignante GPT0,605
Écart entre enseignants0,174 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Global OncologyMême sujetClinical practice guidelines implementationTravaux en français237 207