Implementation Science to Improve Tobacco Cessation Services in Oncology Care
Notice bibliographique
Résumé
Every patient with cancer deserves access to evidence-based tobacco cessation interventions as part of their routine oncology care. The NCI Cancer Moonshot funded the Cancer Center Cessation Initiative (C3I) to help establish and/or expand tobacco treatment programs at 52 NCI-designated Cancer Centers. Although this initiative has broadened the availability of tobacco treatment services across US cancer centers, the reach and utilization of these services remains low among patients. To help address the remaining gap between the availability and utilization of evidence-based treatments for tobacco use in the oncologic context, staff and investigators at C3I sites and the C3I Coordinating Center formed the C3I Implementation Science Working Group. The mission of this working group is to bring together clinicians, scientists, and policymakers who share a common interest in implementation science and treating tobacco use in the oncologic context to collaborate on projects aimed at shrinking the practice gap in this area. Through case study examples, we describe how the C3I Implementation Science Working Group is supporting efforts to identify effective ways to increase the utilization of evidence-based tobacco treatments within cancer treatment settings and promote the broader impact and long-term sustainability of C3I.
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 | 0,233 | 0,392 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,011 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,009 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».