Notice bibliographique
Résumé
Abstract End-to-End (E2E) testing is a method originating from computer science that is designed to determine whether an application communicates as required with hardware, networks, databases, and other applications. This paper is to advocate that the quality management (QM) of modern radiation therapy (RT) would benefit from more regular use of E2E based quality assurance (QA) in the local clinic. The argument is that modern RT delivery is performed through some process linked by a chain of interdependent stages and actions mediated by complex interchanges during the patient’s treatment. These actions along the chain are often modified due to decisions by clinical staff who are interpreting information acquired along the process. While physics QA can validate that each of these steps are technically achievable (e.g., through machine QA) such conventional QA does not guarantee that the overall process is being carried out as planned even when it has been described by a well-defined protocol and delivered by well-trained staff. The paper briefly reviews the changes in programmatic design as RT has become more complex, the associated changes in RT QM, and some past examples of E2E testing in RT clinics, usually performed during the implementation of some new RT technique or during external audits of the clinic’s practice. The paper then makes the case for increased E2E QA based on the lessons learned from this experience and ends with some suggestions for implementing effective and sustainable E2E testing in a clinic’s QM program.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».