An evaluation of incident learning using the taxonomy of the Canadian National System for incident reporting - radiation treatment
Notice bibliographique
Résumé
La radiothérapie est une composante essentielle du regime de traitement pour près de deux tiers des patients atteints de cancer, par contre plusieurs risques y sont associés. La connaissance des incidents est une nouvelle initiative d'amélioration de la qualité en radiothérapie adoptee à la suite de son succès dans la reduction de la fréquence des accidents graves dans d'autres industries, y compris l'aviation et l'énergie nucléaire. Cette these décrit le développement d'un système de connaissance des incidents interne intitulé Safety Incident Learning System (SaILS), compatible avec le système national de declaration des accidents et incidents – radiothérapie (SNDAI-RT). Plusieures fonctionnalités ont été incorporées dans SaILS permettant d'optimiser le flux de travaux par rapport aux connaissance d'incidents: des modèles d'incident, l'extraction des données dudossier médical électronique départementale, et des rappels par courier automatique concernant les enquêtes en cours. SaILS a été déployée dan le département de radio-oncologie au Centre du cancer des Cèdres du Centre universitaire de santé McGill (CUSM) en Janvier 2016. Quatre-vingt onze incidents ont été signalés à l'aide du systéme SaILS de Janvier à Juin 2016, dont 75 on été examinées à fond et analysées à l'aide de graphiques de distribution et de tendance d'incidents. Plusieurs rapports d'incident étaient difficiles à classer utilisant l'élément TypeD'événements et le domaine Répercussions de l'accident ou incident de la taxonomie SNDAI-RT. En consequence, il est suggéré d'ajouter un nouveau type d'événement pour des incidents sans préjudice ainsi que de nouveaux éléments de données pour saisir l'impact de l'incident sur l'expérience du patient et du flux des travaux. Une analyse des rapports d'incidents dans SaILS et SNDAI-RT a demontré qu'environ 50% des incidents avaient l'option Autre dans l'élément Type de problème principal. Cette analyse démontre que l'élément Type de problème principal est insufficient pour classer certains types d'incidents relié l'imagerie, la simulation et la documentation. Plusieurs nouveaux choix pour l'élément sont recommandés en consequence. Sails continuera à être utilisé en clinique au CUSM d'apprendre des incidents, et parce que le système est open-source, il est disponible pour un déploiement dans d'autres centres que l'intérêt se pose.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».