A comparative analysis: international variation in PET-CT service provision in oncology—an International Cancer Benchmarking Partnership study
Notice bibliographique
Résumé
OBJECTIVE: To explore differences in position emission tomography-computed tomography (PET-CT) service provision internationally to further understand the impact variation may have upon cancer services. To identify areas of further exploration for researchers and policymakers to optimize PET-CT services and improve the quality of cancer services. DESIGN: Comparative analysis using data based on pre-defined PET-CT service metrics from PET-CT stakeholders across seven countries. This was further informed via document analysis of clinical indication guidance and expert consensus through round-table discussions of relevant PET-CT stakeholders. Descriptive comparative analyses were produced on use, capacity and indication guidance for PET-CT services between jurisdictions. SETTING: PET-CT services across 21 jurisdictions in seven countries (Australia, Denmark, Canada, Ireland, New Zealand, Norway and the UK). PARTICIPANTS: None. INTERVENTION(S): None. MAIN OUTCOME MEASURE(S): None. RESULTS: PET-CT service provision has grown over the period 2006-2017, but scale of increase in capacity and demand is variable. Clinical indication guidance varied across countries, particularly for small-cell lung cancer staging and the specific acknowledgement of gastric cancer within oesophagogastric cancers. There is limited and inconsistent data capture, coding, accessibility and availability of PET-CT activity across countries studied. CONCLUSIONS: Variation in PET-CT scanner quantity, acquisition over time and guidance upon use exists internationally. There is a lack of routinely captured and accessible PET-CT data across the International Cancer Benchmarking Partnership countries due to inconsistent data definitions, data linkage issues, uncertain coverage of data and lack of specific coding. This is a barrier in improving the quality of PET-CT services globally. There needs to be greater, richer data capture of diagnostic and staging tools to facilitate learning of best practice and optimize cancer services.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,044 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».