Enhancing Care Through a Virtual Canadian Community of Practice for Managing Immune-Related Adverse Events
Notice bibliographique
Résumé
The advent of immune checkpoint inhibitors (ICIs) has significantly transformed cancer treatment outcomes. However, these therapies can induce immune-related adverse events (irAEs) that may affect any organ system, sometimes requiring specialized expertise. As ICIs are increasingly used across various tumor types and in earlier treatment settings, not all practitioners have the necessary support network to handle complex irAEs. To address this gap, we collaborated with ONCOassist, a leading app for oncology professionals, to establish the first virtual Canadian Community of Practice (CoP) focused on irAEs. The CoP facilitates continuous learning and improves patient care among Canadian clinicians treating patients with immunotherapy by providing a platform for knowledge exchange and peer-to-peer support. This article outlines the development and growth of the CoP on irAEs, highlighting both successes and challenges. As of May 2024, over a year since its inception, the CoP on irAEs has attracted almost 130 Canadian oncology healthcare professionals, and peer-to-peer interactions and engagement continue to increase. To ensure its long-term sustainability, we plan to evolve and adapt the CoP to meet the needs of the oncology community and address clinical challenges associated with new therapies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».