A pilot survey into the landscape of neuro-oncology care in the community
Notice bibliographique
Résumé
BACKGROUND: The complexities of the field of neuro-oncology require multidisciplinary collaboration in order to deliver contemporary comprehensive care. There is increasing awareness that much of neuro-oncology care occurs in the community setting. In 2022, the Society for Neuro-Oncology (SNO) created the Community Neuro-Oncology Committee (CNO) in an inaugural attempt to formally acknowledge community neuro-oncology practitioners. METHODS: A 19 question survey was developed by SNO-CNO to gather initial data on the current landscape of neuro-oncology care in the community. The survey was distributed via the SNO newsletter and email blasts as well as through partnerships with multiple advocacy groups. Results were analyzed and tabulated through R2. RESULTS: There were 112 responses from providers in the United States and Canada. Most providers were physicians and represented multiple disciplines including neurology, neuro-oncology, medical oncology, neurosurgery, and radiation oncology. Sixty-four (57%) described themselves as neuro-oncology-focused. Eighty-eight (79%) reported access to neuro-oncology tumor boards. Sixty-eight (73%) stated they had access to molecular tumor boards. Most respondents felt that they were adequately supported to manage neuro-oncology patients. When dividing responses based on a neuro-oncology-focused practice compared to a less neuro-oncology-focused practice, there were significant differences between access to molecular tumors boards (85% vs 63%, P = .023) and access to clinical trials (98% vs 82%, P = .022). CONCLUSION: This qualitative and quantitative hypothesis-generating data is the start of understanding the challenges faced by community neuro-oncology providers. These results will guide future studies and recommendations aimed toward better supporting them and their patients.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».