A population-based study of administrative data linkage to measure melanoma surgical and pathology quality
Notice bibliographique
Résumé
BACKGROUND: Continuous quality improvement is important for cancer systems. However, collecting and compiling quality indicator data can be time-consuming and resource-intensive. Here we explore the utility and feasibility of linked routinely collected health data to capture key elements of quality of care for melanoma in a single-payer, universal health care setting. METHOD: This pilot study utilized a retrospective population-based cohort from a previously developed linked administrative data set, with a 65% random sample of all invasive cutaneous melanoma cases diagnosed 2007-2012 in the province of Ontario. Data from the Ontario Cancer Registry was utilized, supplemented with linked pathology report data from Cancer Care Ontario, and other linked administrative data describing health care utilization. Quality indicators identified through provincial guidelines and international consensus were evaluated for potential collection with administrative data and measured where possible. RESULTS: A total of 7,654 cases of melanoma were evaluated. Ten of 25 (40%) candidate quality indicators were feasible to be collected with the available administrative data. Many indicators (8/25) could not be measured due to unavailable clinical information (e.g. width of clinical margins). Insufficient pathology information (6/25) or health structure information (1/25) were less common reasons. Reporting of recommended variables in pathology reports varied from 65.2% (satellitosis) to 99.6% (body location). For stage IB-II or T1b-T4a melanoma patients where SLNB should be discussed, approximately two-thirds met with a surgeon experienced in SLNB. Of patients undergoing full lymph node dissection, 76.2% had adequate evaluation of the basin. CONCLUSIONS: We found that use of linked administrative data sources is feasible for measurement of melanoma quality in some cases. In those cases, findings suggest opportunities for quality improvement. Consultation with surgeons offering SLNB was limited, and pathology report completeness was sub-optimal, but was prior to routine synoptic reporting. However, to measure more quality indicators, text-based data sources will require alternative approaches to manual collection such as natural language processing or standardized collection. We recommend development of robust data platforms to support continuous re-evaluation of melanoma quality indicators, with the goal of optimizing quality of care for melanoma patients on an ongoing basis.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».