Rapid implementation of an evidence-based remote triaging system for assessment of suspected head and neck cancer referrals and patients on follow up after treatment during the COVID-19 pandemic: A model for international collaboration
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
Background Outpatient telemedicine consultations are being adopted to triage patients for head and neck cancer. However, there is currently no established structure to frame this consultation. Methods For suspected cancer referrals, we adapted the Head and Neck Cancer Risk Calculator (HaNC-RC)-V.2, generated from 10,244 referrals with the following diagnostic efficacy metrics: 85% sensitivity, 98.6% negative predictive value and area under the curve of 0.89. For follow up patients, a symptom inventory generated from 5,123 follow-up consultations was used. A customised Excel Data Tool was created, trialled across professional groups and made freely available for download at www.entintegrate.co.uk/entuk2wwtt , alongside a user guide, protocol and registration link for the project. Stakeholder support was obtained from national bodies. Results No remote consultations were refused by patients. Preliminary data from 511 triaging episodes at 13 centres show that 77.1% of patients were discharged directly or have had their appointments deferred. Discussion Significant reduction in footfall can be achieved using a structured triaging system. Further refinement of HaNC-RC V.2 is feasible and the authors welcome international collaboration.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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