Triage for palliative radiotherapy by clinical specialist radiation therapists: A scoping review
Notice bibliographique
Résumé
Patients who could benefit from palliative radiotherapy (PRT) may be in different phases of the cancer journey: they may have minimal symptoms and preserved functional status, or could be near end of life, with multiple complex care needs. Efficient triage at PRT referral is crucial to match patients with an appropriate provider and care setting as quickly as possible. Many centres have a dedicated PRT clinic, for which triage occurs by a Palliative Clinical Specialist Radiation Therapist (PCSRT). We performed an English-language literature search of 15 databases, without date limits, based on the PICO framework. After independent screening of titles and abstracts by two authors, relevant full text papers were reviewed. Twenty studies (15 publications and five abstracts) and one government report met inclusion criteria. Studies were published over a 21-year period by investigators from four countries. By identifying bottlenecks, screening out inappropriate referrals, and assessing patients in advance of consult, PSCRT triage decreased wait times by approximately 50%, on average, compared to standard pathways (range 30-82%). Increasing efficiency by pre-booking and coordinating appointments increases patient volumes and optimizes use of resources. A triage PCSRT serving a navigator role improves continuity of care, and in decreasing the number of handoffs, safety as well. Shifting triage to a PCSRT allows multidisciplinary team members to work to their maximum scope. In one clinic, after incorporation of PCSRT triage, use of on-call services decreased, as more patients were seen during daytime appointments, contributing to cost-savings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».