Quality Indicators and Benchmarks for Radiotherapy in Lung Cancer: A Modified Delphi Approach
Notice bibliographique
Résumé
AIMS: While there are many published quality indicators (QIs) for assessing clinical care in lung cancer, few specifically measure the quality of radiotherapy (RT). To address this gap, we used a structured modified Delphi technique to develop a core set of QIs and benchmarks to evaluate RT processes for lung cancer treatment. MATERIALS AND METHODS: Candidate QIs identified from the systematic review were evaluated through survey consensus and deliberation by a multidisciplinary reference committee for inclusion in the initial survey and then after each round. A modified Delphi technique was employed across two rounds to reach consensus for QI development. The international expert survey panel consisting of radiation oncologists treating lung cancer rated QI importance, feasibility, and benchmarks, with consensus predefined as at least 70% of respondents reaching a threshold rating on a Likert scale. RESULTS: There were 70 respondents over two surveys, with 30 of the 47 QIs reaching the threshold for importance in the first Delphi round and 29 after the final Delphi round. Agreement ranged from 71% to 97% with 12 QIs reaching a consensus of 90% or more. Final consensus was reached as all 29 QIs were identified as feasible, and 27 of the suggested benchmarks were deemed acceptable. CONCLUSION: This core set of QIs provides a well-defined framework for evaluating RT processes in lung cancer treatment. They have the potential to establish a foundation for standardised quality measurement and benchmarking for guiding quality improvement efforts and improving patient 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 | 0,000 |
| 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 ».