Making National Cancer Institute–Designated Comprehensive Cancer Center Knowledge Accessible to Community Oncologists via an Online Tumor Board: Longitudinal Observational Study
Notice bibliographique
Résumé
BACKGROUND: Expert knowledge is often shared among multidisciplinary academic teams at tumor boards (TBs) across the country, but these conversations exist in silos and do not reach the wider oncology community. OBJECTIVE: Using an oncologist-only question and answer (Q&A) website, we sought to document expert insights from TBs at National Cancer Institute-designated Comprehensive Cancer Centers (NCI-CCCs) to provide educational benefits to the oncology community. METHODS: We designed a process with the NCI-CCCs to document and share discussions from the TBs focused on areas of practice variation on theMednet, an interactive Q&A website of over 13,000 US oncologists. The faculty translated the TB discussions into concise, non-case-based Q&As on theMednet. Answers were peer reviewed and disseminated in email newsletters to registered oncologists. Reach and engagement were measured. Following each Q&A, a survey question asked how the TB Q&As impacted the readers' practice. RESULTS: A total of 23 breast, thoracic, gastrointestinal, and genitourinary programs from 16 NCI-CCC sites participated. Between December 2016 and July 2021, the faculty highlighted 368 questions from their TBs. Q&As were viewed 147,661 times by 7381 oncologists at 3515 institutions from all 50 states. A total of 277 (75%) Q&As were viewed every month. Of the 1063 responses to a survey question on how the Q&A affected clinicians' practices, 646 (61%) reported that it confirmed their current practice, 163 (20%) indicated that a Q&A would change their future practice, and 214 (15%) reported learning something new. CONCLUSIONS: Through an online Q&A platform, academics at the NCI-CCCs share knowledge outside the walls of academia with oncologists across the United States. Access to up-to-date expert knowledge can reassure clinicians' practices, significantly impact patient care in community practices, and be a source of new knowledge and education.
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 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».