The Capital Investment Strategy for Radiation therapy in Ontario: A Framework to Ensure Access to Radiation Therapy
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: 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.
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 | 0,001 |
| 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 | 0,001 |
| 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