Applying Quality Indicators to Examine Quality of Care During Active Surveillance in Low-Risk Prostate Cancer: A Population-Based Study
Notice bibliographique
Résumé
BACKGROUND: Although a few studies have reported wide variations in quality of care in active surveillance (AS), there is a lack of research using validated quality indicators (QIs). The aim of this study was to apply evidence-based QIs to examine the quality of AS care at the population level. METHODS: QIs were measured using a population-based retrospective cohort of patients with low-risk prostate cancer diagnosed between 2002 and 2014. We developed 20 QIs through a modified Delphi approach with clinicians targeting the quality of AS care at the population level. QIs included structure (n=1), process of care (n=13), and outcome indicators (n=6). Abstracted pathology data were linked to cancer registry and administrative databases in Ontario, Canada. A total of 17 of 20 QIs could be applied based on available information in administrative databases. Variations in QI performance were explored according to patient age, year of diagnosis, and physician volume. RESULTS: The cohort included 33,454 men with low-risk prostate cancer, with a median age of 65 years (IQR, 59-71 years) and a median prostate-specific antigen level of 6.2 ng/mL. Compliance varied widely for 10 process QIs (range, 36.6%-100.0%, with 6 [60%] QIs >80%). Initial AS uptake was 36.6% and increased over time. Among outcome indicators, significant variations were observed by patient age group (10-year metastasis-free survival was 95.0% for age 65-74 years and 97.5% in age <55 years) and physician average annual AS volume (10-year metastasis-free survival was 94.5% for physicians with 1-2 patients with AS and 95.8% for those with ≥6 patients with AS annually). CONCLUSIONS: This study establishes a foundation for quality-of-care assessments and monitoring during AS implementation at a population level. Considerable variations appeared with QIs related to process of care by physician volume and Qis related to outcome by patient age group. These findings may represent areas for targeted quality improvement initiatives.
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 | 0,021 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».