Choosing Wisely Africa: Ten Low-Value or Harmful Practices That Should Be Avoided in Cancer Care
Notice bibliographique
Résumé
PURPOSE: Choosing Wisely Africa (CWA) builds on Choosing Wisely (CW) in the United States, Canada, and India and aims to identify low-value, unnecessary, or harmful cancer practices that are frequently used on the African continent. The aim of this work was to use physicians and patient advocates to identify a short list of low-value practices that are frequently used in African low- and middle-income countries. METHODS: The CWA Task Force was convened by the African Organization for Research and Training in Cancer and included representatives from surgical, medical, and radiation oncology, the private and public sectors, and patient advocacy groups. Consensus was built through a modified Delphi process, shortening a long list of practices to a short list, and then to a final list. A voting threshold of ≥ 60% was used to include an individual practice on the short list. A consensus was reached after a series of teleconferences and voting processes. RESULTS: Of the 10 practices on the final list, one is a new suggestion and 9 are revisions or adaptations of practices from previous CW campaign lists. One item relates to palliative care, 8 concern treatment, and one relates to surveillance. CONCLUSION: The CWA initiative has identified 10 low-value, common interventions in Africa's cancer practice. The success of this campaign will be measured by how the recommendations are implemented across sub-Saharan Africa and whether this improves the delivery of high-quality cancer care.
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 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 | 0,002 | 0,011 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».