Learning Outcomes of “GetSMART,” Education for Diagnostics and Targeted Treatment for HER2+ Metastatic Gastric and Colorectal Cancers
Notice bibliographique
Résumé
The treatment landscape for patients affected by gastric and colorectal cancer (G&CRC) has significantly broadened over the past decade. Molecular diagnostic methods have improved with a precision oncology-driven approach to the development of treatment options tailored to specific molecular targets, including the human epidermal growth factor 2 (HER2). While scientific evidence on the role of HER2 in G&CRC has improved, there has been a lag in general understanding and applications of testing for HER2+ G&CRC and resulting targeting treatment in the wider oncology community. To better understand and address the root causes of this gap, a needs assessment deployed among 85 oncology care providers was conducted and informed the development of an accredited online educational program entitled "GetSMART." The program consisted of four modules developed and narrated by experts in gastrointestinal oncology. The educational content and assessment metrics were guided by a confidence-based assessment (CBA) model and the Moore, Green, and Gallis outcomes framework. Assessment methods consisted of quantitative pre- and post-activity tests, an evaluation embedded within the education (n = 163), and semi-structured interviews (n = 5) post-activity completion. Findings indicated that "GetSMART" enhanced participants' knowledge, confidence, and intent to change practice in relation to their (1) identification of HER2 aberrations, (2) selection of appropriate treatments for HER2+ G&CRC, and (3) ability to engage patients in shared decision-making and management of adverse events. "GetSMART" can therefore be a valuable educational resource for oncology HCPs caring for patients affected by HER2+ metastatic G&CRC, offering strategies to ensure an optimal team and patient-centered approach to the care being delivered.
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 | 0,000 |
| 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 ».