MétaCan
Menu
Retour à la cohorte
Enregistrement W2967234659 · doi:10.1002/cam4.2456

Estimating the optimal rate of adjuvant chemotherapy utilization for stage III colon cancer

2019· article· en· W2967234659 sur OpenAlexafffundabout
Safiya Karim, Christopher M. Booth, Kelly Brennan, Yingwei Peng, D. Robert Siemens, Monika K. Krzyzanowska, William J. Mackillop

Notice bibliographique

RevueCancer Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Surgical Treatments
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoQueen's UniversityUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative SciencesCancer Care Ontario
Mots-clésBenchmarkingBenchmark (surveying)MedicineColorectal cancerAdjuvant chemotherapyPopulationCancer registryCancerStage (stratigraphy)StatisticsInternal medicineMathematicsEnvironmental healthBiology

Résumé

récupéré en direct d'OpenAlex

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 and linked treated records were used to identify ACT utilization. Monte Carlo simulation was used to estimate the proportion of ACT rate variation that could be due to chance alone. The criterion-based benchmarking approach was used to explore whether socioeconomic or system-level factors were associated with ACT. We also used the "pared-mean" approach to identify a benchmark population of hospitals with the highest ACT rates. RESULTS: The study population included 2801 patients; ACT was delivered to 66% (1861/2801). Monte Carlo simulation suggested that the observed component of variation (15.6%) in ACT rates was within the 95% CI (11.5%-17.3%) of what could be expected due to chance alone; the nonrandom component of ACT rate variation across hospitals was only 1.5%. There was no difference in hospital ACT rate by teaching status (P = .107), cancer center status (P = .362), or having medical oncology on site (P = .840). Unadjusted ACT rates varied across hospitals (range 44%-91%, P = .017). The unadjusted benchmark ACT rate was 81% (95%CI 76%-86%); utilization rate in non-benchmark hospitals was 65% (95%CI 63%-66%). However, after adjusting for case mix, the difference in ACT utilization between benchmark and non-benchmark populations was significantly smaller. CONCLUSIONS: We did not find any system-level factors associated with the utilization of ACT. Our results suggest that the observed variation in hospital ACT rate is not significantly different from variation due to chance alone. Using the "pared-mean" approach may significantly overestimate optimal treatment rates if case mix is not considered.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,059
Tête enseignante GPT0,388
Écart entre enseignants0,329 · 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'étudeAutre devis
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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCancer MedicineMême sujetColorectal Cancer Surgical TreatmentsTravaux en français237 207