Quality indicators for systemic anticancer therapy services: a systematic review of metrics used to compare quality across healthcare facilities
Notice bibliographique
Résumé
PURPOSE: The number of systemic anticancer therapy (SACT) regimens has expanded rapidly over the last decade. There is a need to ensure quality of SACT delivery across cancer services and systems in different resource settings to reduce morbidity, mortality, and detrimental economic impact at individual and systems level. Existing literature on SACT focuses on treatment efficacy with few studies on quality or how SACT is delivered within routine care in comparison to radiation and surgical oncology. METHODS: Systematic review was conducted following PRISMA guidelines. EMBASE and MEDLINE were searched and handsearching was undertaken to identify literature on existing quality indicators (QIs) that detect meaningful variations in the quality of SACT delivery across different healthcare facilities, regions, or countries. Data extraction was undertaken by two independent reviewers. RESULTS: This review identified 63 distinct QIs from 15 papers. The majority were process QIs (n = 55, 87.3%) relating to appropriateness of treatment and guideline adherence (n = 28, 44.4%). There were few outcome QIs (n = 7, 11.1%) and only one structural QI (n = 1, 1.6%). Included studies solely focused on breast, colorectal, lung, and skin cancer. All but one studies were conducted in high-income countries. CONCLUSIONS: The results of this review highlight a significant lack of research on SACT QIs particularly those appropriate for resource-constrained settings in low- and middle-income countries. This review should form the basis for future work in transforming performance measurement of SACT provision, through context-specific QI SACT development, validation, and implementation.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».