Improving Timeliness of Oncology Assessment and Cancer Treatment Through Implementation of a Multidisciplinary Lung Cancer Clinic
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: Timely lung cancer care has been associated with improved clinical outcomes and patient satisfaction. We identified improvement opportunities in lung cancer management pathways at Kingston Health Sciences Centre. Quality improvement strategies led to the implementation of a multidisciplinary lung cancer clinic (MDC). METHODS: We set an outcome measure of decreasing the time from diagnosis to first cancer treatment by 10 days within 6 months of clinic implementation. We implemented a weekly MDC that involved respirologists, medical oncologists, and radiation oncologists at which patients with new lung cancer diagnoses were offered concurrent oncology consultation. We used Plan-Do-Study-Act cycles to guide our improvement initiatives. A total of five Plan-Do-Study-Act cycles spanned 14 months and consisted of an MDC pilot clinic, large-scale MDC launching, debriefing meetings, and clinic expansion. Pre-MDC data were analyzed retrospectively to establish baseline and prospectively for improvement. Statistical Process Control XmR(i) charts were used to report data. RESULTS: Since MDC initiation, 128 patients have been seen in 34 MDC clinics (3.8 patients per clinic). Mean days from diagnosis to first oncology assessment decreased from 12.4 days to 3.9 days, and mean days from diagnosis to first cancer treatment decreased from 39.5 to 15.0 days, both of which demonstrated special cause variation. Time to assessment and treatment improved for patients with every stage of lung cancer and for both small-cell and non-small-cell subtypes. CONCLUSION: MDC shortens the time from lung cancer diagnosis to oncology assessment and treatment. Time to treatment improved more than time to oncology assessment, which suggests the improvement is related to benefits beyond faster oncology assessment.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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