MétaCan
Menu
Retour à la cohorte
Enregistrement W2981161292 · doi:10.1200/jco.2019.37.27_suppl.232

Radiation Oncology Incident Learning System (RO-ILS): Increasing stakeholder participation for safety and quality improvement.

2019· article· en· W2981161292 sur OpenAlexaboutno aff
Carl Nelson, Lori Ann Roy, H. James Wallace

Notice bibliographique

RevueJournal of Clinical Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)MedicineStakeholderMedical educationMedical physicsMedical emergencyPolitical sciencePublic relations

Résumé

récupéré en direct d'OpenAlex

232 Background: RO-ILS was launched in 2014 and is free, web-based and in more than 500 U.S. radiation facilities. After RO-ILS was implemented at University of Vermont Medical Center (UVMMC), reporting of radiation incidents decreased and participation by radiation staff was limited. To improve incident reporting and participation, RO-ILS was relaunched for all radiation staff members at UVMMC with emphasis on improved system access and education on RO-ILS programmatic goals. Methods: Prior to RO-ILS, safety/quality incidents at UVMMC were submitted by radiation therapists, dosimetrists and physics staff on paper forms and reviewed monthly by the Radiation Quality Committee. After implementation of RO-ILS in 2016, RO-ILS incidents were reviewed by the UVMMC RO-ILS administrators with no formalized staff feedback. Due to decreasing staff submissions, RO-ILS relaunched September 2018 with increased training, scheduled submission review to radiation staff and identification of department champions. Results: Between April 2014 and May 2019, 270 radiation incidents were reported. Prior to RO-ILS, a median 8 incidents were reported per quarter but decreased to 6 per quarter after RO-ILS. After RO-ILS relaunch, median reported incidents increased to 42 per quarter. Radiation “Near Miss” events pre RO-ILS, post RO-ILS and with RO-ILS relaunch were reduced from 78% to 34% to 9%, while “Operational/Process Improvement” submissions increased from 17% pre RO-ILS to 49% post RO-ILS to 81% after relaunch. After RO-ILS relaunch, staff participation expanded to physicians, nursing and administrative staff for the first time, and physician participation increased from 0 to 50%. Conclusions: Following implementation of RO-ILS at UVMMC, radiation incident reporting initially decreased and the proportion of “Near Miss” reports decreased. After relaunch of RO-ILS, there was substantial increase in incident reporting involving all staff. As RO-ILS evolves at UVMMC, there is continued decrease in near misses and greater emphasis on “Process Improvement”. Continued education, reporting and feedback from RO-ILS submissions is recommended to maintain this high staff participation level.

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)0,052
score de la tête « metaresearch » (Gemma)0,068
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,272

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0050,005
Science ouverte0,0030,023
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0240,007

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 Opus0,258
Tête enseignante GPT0,535
Écart entre enseignants0,277 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetRadiology practices and educationTravaux en français237 207