Peer Review in Radiation Oncology: Where Does the Middle East, North Africa, and Türkiye Region Stand?
Notice bibliographique
Résumé
PURPOSE This study aims to assess the status of radiation oncology peer review procedures across the Middle East, North Africa, and Türkiye (MENAT) region. METHODS A cross-sectional electronic survey was conducted among radiotherapy centers in the MENAT region in March 2024. It assessed peer review practices, departmental demographics, perceived importance of peer review, and potential barriers. RESULTS Data from 177 radiation oncology centers revealed varying peer review implementation across the MENAT region. Egypt had the highest participation (16.4%) among all responders. Most centers (31%) treated 500-1,000 cases annually. The majority (77.4%) implemented peer review, with varying levels between countries and across different centers. Advanced radiotherapy techniques significantly correlated with implementation of peer review ( P < .05). Peer review meetings were mostly scheduled on a weekly basis (46%) and organized by radiation oncologists (84.7%). Target volume contouring (89%) and radiotherapy prescription (82%) were frequently peer-reviewed. Respondents with peer review at their institutions significantly valued peer review for education, adherence to guidelines, improving planning protocols, and reducing variation in practice institutions without peer review ( P < .05). The most frequently reported barriers to peer review were having a high number of patients (56%) and shortage of time (54%). CONCLUSION Peer review is essential for improving the quality of practice in radiation oncology. Despite some discrepancies, numerous obstacles, and challenges in implementation, it is instrumental in the improvement of patient care in most centers throughout the region. Raising awareness among radiation oncologists about the importance of peer review is paramount to lead to better outcomes.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».