MétaCan
Menu
Retour à la cohorte
Enregistrement W2997133085 · doi:10.1016/j.adro.2019.12.004

The Capital Investment Strategy for Radiation therapy in Ontario: A Framework to Ensure Access to Radiation Therapy

2019· article· en· W2997133085 sur OpenAlexaffabout
Rachel Glicksman, Audrey Wong, Jonathan Wang, Lisa Favell, Garth Matheson, Michael Brundage, Julie Renaud, Kyle Malkoske, Joanne MacPhail, Derek Finnerty, Sophie Foxcroft, Eric Gutierrez, Padraig Warde

Notice bibliographique

RevueAdvances in Radiation Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensRoyal Victoria Regional Health CentrePrincess Margaret Cancer CentreOttawa HospitalQueen's UniversityCancer Care OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInvestment (military)MedicineAgency (philosophy)Capital investmentHealth careFinanceRadiation therapyBusinessEconomic growthEconomicsSurgeryPolitical science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Ontario Health (Cancer Care Ontario), formerly known as CCO, is the provincial governmental agency in Ontario, Canada responsible for developing radiation therapy-specific capital investment strategies, updated every 5 years, to ensure equitable access and to gain the highest value from these investments in infrastructure. These plans are informed by the changing landscape of health care delivery, technologic advancements affecting radiation therapy care, patient desire for care closer to home, and expected increases in utilization of radiation therapy services. In this article, we describe the development, model, and final recommendations of CCO's fifth radiation therapy capital investment strategy. METHODS AND MATERIALS: A panel of multidisciplinary provincial experts, in combination with 2 patient and family advisors, developed planning principles to guide the development of a patient-centered strategy. Adaption of the previously used model for radiation therapy planning was used. RESULTS: The development of the capital investment strategy took place from fall 2017 to fall 2018. The model included 3 main factors: patient demand (including utilization targets), machine throughput, and machine demand and supply. The final recommendation is for an investment of 26 new radiation therapy machines in the province by 2028. CONCLUSIONS: The strategy plans for continued province-wide access to quality radiation therapy care and ensures machines are added to the system at the right place and in the right time. Ongoing data collection throughout this period is necessary to ensure the strategy achieves its goals and to allow for planning of future strategies.

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,902

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,003
Communication savante0,0070,003
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,025
Tête enseignante GPT0,414
Écart entre enseignants0,389 · 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'étudeThéorique ou conceptuel
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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Radiation OncologyMême sujetAdvances in Oncology and RadiotherapyTravaux en français237 207