The impact of advancing the standard of care in radiotherapy on operational treatment resources
Notice bibliographique
Résumé
PURPOSE: To demonstrate the impact of implementing hypofractionated prescription regimens and advanced treatment techniques on institutional operational hours and radiotherapy personnel resources in a multi-institutional setting. The study may be used to describe the impact of advancing the standard of care with modern radiotherapy techniques on patient and staff resources. METHODS: This study uses radiation therapy data extracted from the radiotherapy information system from two tertiary care, university-affiliated cancer centers from 2012 to 2021. Across all patients in the analysis, the average fraction number for curative and palliative patients was reported each year in the decade. Also, the institutional operational treatment hours are reported for both centers. A sub-analysis for curative intent breast and lung radiotherapy patients was performed to contextualize the impact of changes to imaging, motion management, and treatment technique. RESULTS: From 2012 to 2021, Center 1 had 42 214 patient plans and Center 2 had 43 252 patient plans included in the analysis. Averaged over both centers across the decade, the average fraction number per patient decreased from 6.9 to 5.2 (25%) and 21.8 to 17.2 (21%) for palliative and curative patients, respectively. The operational treatment hours for both institutions increased from 8 h 15 min to 9 h 45 min (18%), despite a patient population increase of 45%. CONCLUSION: The clinical implementation of hypofractionated treatment regimens has successfully reduced the radiotherapy workload and operational treatment hours required to treat patients. This analysis describes the impact of changes to the standard of care on institutional resources.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».