MétaCan
Menu
Retour à la cohorte
Enregistrement W4283032500 · doi:10.1016/j.adro.2022.100896

The Impact of a Cyberattack at a Radiation Oncology Department: Immediate Response and Future Preparedness

2022· article· en· W4283032500 sur OpenAlexaff
Michael R. Oliver, Andrew Péarce, Laurie Stillwaugh, Konrad Leszczyński

Notice bibliographique

RevueAdvances in Radiation Oncology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueInformation and Cyber Security
Établissements canadiensNOSM UniversityHealth Sciences North
Organismes subventionnairesnon disponible
Mots-clésMedicineContingency planPreparednessRadiation oncologyMedical emergencyRansomwareComputer securityMalwareRadiation therapyComputer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

Cyberattacks are increasing year after year and many organizations, including hospitals, are becoming targets. Radiation oncology is especially vulnerable because of the reliance on computer and network capabilities to transfer relevant patient information for safe and effective patient treatment. In early 2019, our institution was hit by a ransomware attack that brought down our oncology information system (OIS). Although we were not fully prepared for such an attack, a total of 69 treatment fractions occurred without our OIS thanks to the quick development of a contingency plan and the ability to restore the patients' records. The OIS was recovered by the manufacturer 4 days after the attack. We also have developed a contingency plan and outline important considerations for institutions trying to prepare for unexpected downtime such as a cyberattack.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,329
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Radiation OncologyMême sujetInformation and Cyber SecurityTravaux en français237 207