MétaCan
Menu
Retour à la cohorte
Enregistrement W4306146152 · doi:10.1016/j.ctro.2022.10.002

Lung SBRT credentialing in the Canadian OCOG-LUSTRE randomized trial

2022· article· en· W4306146152 sur OpenAlexafffundabout
Anand Swaminath, Marcin Wierzbicki, Sameer Parpia, Vijayananda Kundapur, Sergio Faria, Naseer Ahmed, Alexis Bujold, Khalid Hirmiz, Timothy Owen, Nelson Leong, Kevin Ramchandar, Édith Filion, Harold Lau, Robert M. Thompson, Brian Yaremko, Zsolt Gabos, S. Mehiri, James R. Wright, Theodoros Tsakiridis, Kathryn Cline, Timothy J. Whelan

Notice bibliographique

RevueClinical and Translational Radiation Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensUniversity of AlbertaHôpital Charles-Le MoyneWestern UniversityDalhousie UniversityUniversity of CalgaryCentre Hospitalier de l’Université de MontréalSaint John Regional HospitalHôpital Notre-DameNOSM UniversityUniversity of SaskatchewanMcGill University Health CentreKingston Health Sciences CentreQueen's UniversityCancerCare ManitobaSaskatchewan Cancer AgencyWindsor Regional HospitalHôpital Maisonneuve-RosemontResearch Institute in Oncology and HematologyJuravinski Cancer CentreOntario Clinical Oncology Group
Organismes subventionnairesCanadian Cancer Society Research Institute
Mots-clésMedicineCredentialingContouringLung cancerNuclear medicineRadiologyRadiosurgeryInterventional radiologyRadiation therapyOncology

Résumé

récupéré en direct d'OpenAlex

Purpose: To report on the Stereotactic Body Radiation Therapy (SBRT) credentialing experience during the Phase III Ontario Clinical Oncology Group (OCOG) LUSTRE trial for stage I non-small cell lung cancer. Methods: Three credentialing requirements were required in this process: (a) An institutional technical survey; (b) IROC (Imaging and Radiation Oncology Core) thoracic phantom end-to-end test; and (c) Contouring and completion of standardized test cases using SBRT for one central and one peripheral lung cancer, compared against the host institution as the standard. The main hypotheses were that unacceptable variation would exist particularly in OAR definition across all centres, and that institutions with limited experience in SBRT would be more likely to violate per-protocol guidelines. Results: Fifteen Canadian centres participated of which 8 were new, and 7 were previously established (≥2 years SBRT experience), and all successfully completed surveys and IROC phantom testing. Of 30 SBRT test plans, 10 required replanning due to major deviations, with no differences in violations between new and established centres (p = 0.61). Mean contouring errors were highest for brachial plexus in the central (C) case (12.55 ± 6.62 mm), and vessels in the peripheral (P) case (13.01 ± 12.55 mm), with the proximal bronchial tree (PBT) (2.82 ± 0.78 C, 3.27 ± 1.06 P) as another variable structure. Mean dice coefficients were lowest for plexus (0.37 ± 0.2 C, 0.37 ± 0.14 P), PBT (0.77 ± 0.06 C, 0.75 ± 0.09 P), vessels (0.69 ± 0.29 C, 0.64 ± 0.31 P), and esophagus (0.74 ± 0.04 C, 0.76 ± 0.04 P). All plans passed per-protocol planning target volume (PTV) coverage and maximum/volumetric organs-at-risk constraints, although variations existed in dose gradients within and outside the target. Conclusions: Clear differences exist in both contouring and planning with lung SBRT, regardless of centre experience. Such an exercise is important for studies that rely on high precision radiotherapy, and to ensure that implications on trial quality and outcomes are as optimal as possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,625

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,049
Tête enseignante GPT0,419
Écart entre enseignants0,370 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical and Translational Radiation OncologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207