MétaCan
Menu
Retour à la cohorte
Enregistrement W2944089757 · doi:10.1016/j.clon.2019.10.010

Comparative Analysis of Radiotherapy Linear Accelerator Downtime and Failure Modes in the UK, Nigeria and Botswana

2019· article· en· W2944089757 sur OpenAlexfundno aff
Laurence Wroe, Taofeeq Ige, O. C. Asogwa, Simeon Chinedu Aruah, Surbhi Grover, Remigio Makufa, Suzanne Sheehy

Notice bibliographique

RevueClinical Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensnon disponible
Organismes subventionnairesScience and Technology Facilities CouncilLaidlaw FoundationRoyal Society
Mots-clésDowntimeLinear particle acceleratorMedicineRadiation therapyQuality assuranceMedical physicsReliability engineeringSurgeryEngineering

Résumé

récupéré en direct d'OpenAlex

The lack of radiotherapy linear accelerators (linacs) in low- and middle-income countries (LMICs) has been recognised as a major barrier to providing quality cancer care in these regions, together with a shortfall in the number of highly qualified personnel. It is expected that additional challenges will be faced in operating precise, high-technology radiotherapy equipment in these environments, and anecdotal evidence suggests that linacs have greater downtime and higher failure rates of components than their counterparts in high-income countries. To guide future developments, such as the design of a linac tailored for use in LMIC environments, it is important to take a data-driven approach to any re-engineering of the technology. However, no detailed statistical data on linac downtime and failure modes have been previously collected or presented in the literature. This work presents the first known comparative analysis of failure modes and downtime of current generation linacs in radiotherapy centres, with the aim of determining any correlations between linac environment and performance. Logbooks kept by radiotherapy personnel on the operation of their linac were obtained and analysed from centres in Oxford (UK), Abuja, Benin, Enugu, Lagos, Sokoto (Nigeria) and Gaborone (Botswana). By deconstructing the linac into 12 different subsystems, it was found that the vacuum subsystem only failed in the LMIC centres and the failure rate in an LMIC environment was more than twice as large in six of the 12 subsystems compared with the high-income country. Additionally, it was shown that despite accounting for only 3.4% of the total number of faults, linac faults that took more than 1 h to repair accounted for 74.6% of the total downtime. The results of this study inform future attempts to mitigate the problems affecting linacs in LMIC environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,492
Écart entre enseignants0,428 · 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'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

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical OncologyMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207