Diagnostics and treatment for HER2+ mG&CRC: Learning outcomes of GetSMART.
Notice bibliographique
Résumé
82 Background: Gastric/colorectal cancer (G&CRC) are among the most prevalent cancers. Efforts are ongoing to better assess their clinical/genomic factors. HER2 (human epidermal growth factor receptor 2) testing is strongly recommended in clinical practice to guide treatment. An accredited education program (GetSMART) was launched online (January 2021–April 2022) to equip healthcare providers (HCPs) with knowledge, skills, and confidence to accurately assess/apply molecular testing and therapy options for metastatic G&CRC patients. Methods: A knowledge/confidence-based assessment was embedded in four modules to measure learners’ knowledge mastery (% answering correctly with confidence) pre/post-activity. Self-reported confidence and anticipated performance in clinical practice were measured before/after each module. At the end of program, HCPs were asked about their commitment to change. McNemar’s test was applied to assess statistical significance in pre-post for paired items, and descriptive analysis for non-paired items. Results: Overall, 925 unique HCPs engaged in GetSMART, 31% (n=284) completed all modules, of which 57% (n=163) consented analysis of their data. A statistically significant increase (p<0.05) was measured in percentage of HCPs demonstrating knowledge mastery, confidence, and commitment to change their practice from pre to post across four competencies, except for percentage of HCPs “often”/“always” engaging patients in shared decision-making (SDM) (3, Performance). Largest gains in knowledge mastery/confidence were noted for HCPs’ ability to anticipate/manage adverse events (AE) ( 4A); and for anticipated performance, in HCPs considering appropriate treatment. Post-activity, 66% (98/149) of HCPs intended to change practice based on module content, 83% (70/84) of whom were “highly”/“somewhat” confident to make changes. The activity’s anticipated impact on patients was rated “major”/“moderate” by 69% (103/149) of HCPs. Conclusions: Identification of HER2 aberrations in mG&CRC and its appropriate treatment selection remains challenging in oncology care. This evaluation demonstrated that GetSMART positively impacted HCPs’ knowledge, confidence, and anticipated performance in clinical practice to enhance health outcomes of HER2+ mG&CRC patients. [Table: see text]
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».