Evolving models of care for ambulatory systemic treatment.
Notice bibliographique
Résumé
155 Background: Increasing demand for systemic cancer treatment in Ontario, Canada, due to an aging population and therapeutic advances, is compounded by resource shortages and provider burnout heightened by the COVID-19 pandemic. This landscape has led to longer wait times, reduced services, poorer patient experiences, and widened health inequities, particularly impacting marginalized populations. In response, Ontario Health (Cancer Care Ontario) developed recommendations to optimize ambulatory systemic treatment delivery from various perspectives, including patients, providers, cancer programs, and organizations. Methods: Evidence-based recommendations were derived from a targeted literature review, current state surveys, and follow-up interviews across 16 Ontario treatment facilities. Feedback was gathered via focus groups involving patients, families, care partners, and providers. Key informants from cancer agencies in Canada and internationally were consulted through jurisdictional scans. Furthermore, focused discussions with First Nations, Inuit, Métis, urban Indigenous (FNIMUI) communities, Francophone populations, and other equity deserving groups informed the unique needs, experiences, and barriers to care of these groups. Results: Twenty-six recommendations that span various aspects of systemic treatment delivery, including referral processes, scheduling, role integration, patient education, patient and provider experiences, virtual care, and care transitions were developed. Priorities include evidence-based, person-centred care, timely access, effective collaboration, provider well-being, and technological innovation. Additionally, we highlight partnerships with FNIMUI communities, and other equity-deserving groups as strategies to address additional barriers to care. Conclusions: These recommendations strive to address challenges faced by healthcare providers and patients, ensure equitable access to care, and improve provider well-being. Engagement with FNIMUI communities and other equity-deserving groups influenced these recommendations, emphasizing the need for system-level oversight and investment to realize equitable and sustainable service delivery province-wide.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».