MétaCan
Menu
Retour à la cohorte
Enregistrement W4412744005 · doi:10.1200/op-25-00353

Development of Ambulatory Oncology Clinical Pharmacy Key Performance Indicators Using a Modified Delphi Consensus Approach

2025· article· en· W4412744005 sur OpenAlexaffabout
Thomas McFarlane, Rozhannaa Sothilingam, Olavo Fernandes, Sherilyn K. D. Houle, Jennifer Lo, Shirin Abadi, Scott Edwards, Michael LeBlanc, Jason Wentzell, Bryanna Tibensky, Carlo DeAngelis, Lauren Steeves

Notice bibliographique

RevueJCO Oncology Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensBrampton Civic HospitalHorizon Health NetworkDr. H. Bliss Murphy Cancer CentreUniversity of WaterlooSunnybrook Health Science CentreHealth Sciences CentreUniversity Health NetworkExtendicare (Canada)BC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicinePharmacyDelphi methodPharmacistPharmacy practiceBenchmarkingDelphiClinical pharmacyQuality managementOncologyNursingOperations managementManagement system

Résumé

récupéré en direct d'OpenAlex

Background: Consensus is lacking on a means of tracking and measuring the impact of ambulatory oncology pharmacy services. Key performance indicators (KPIs), which are defined as quantifiable measures used to track the quality of various processes while determining whether institutional goals are being met, are often used in health care for this purpose. While KPIs have been developed in other pharmacy therapeutic settings, no such effort has been made to date in ambulatory oncology practice. Objectives: Describe what an ambulatory oncology clinical pharmacy key performance indicator (AOcpKPI) is and what it is used for. Explain the need for AOcpKPIs in oncology pharmacy practice and how they are involved in qualitycare and innovation. Understand the process by which consensus AOcp-KPIs were created. Identify barriers and facilitators to implementation of AOcpKPIs into clinical practice and pharmacy workflow. Methods: A systematic, modified Delphi process was used to reach consensus on AOcpKPIs. Following an environmental scan of current oncology pharmacy practices across Canada, a literature review identified critical activities linked to patient-centered outcomes. A panel of oncology pharmacists engaged in three Delphi rounds and a virtual live meeting, assessing and refining candidate AOcpKPIs on the basis of predefined criteria. A total of 17 candidate AOcpKPIs were evaluated. Results: Consensus was achieved on 14 AOcpKPIs. These AOcpKPIs reflect critical pharmacist activities including clinical order review, patient education, medication adherence assessment, and management of drug therapy problems. This suite of AOcpKPIs provides a standardized approach for evaluating oncology pharmacist activities in ambulatory care, facilitating benchmarking and supporting evidence-based improvements in patient outcomes. Conclusions: This work represents a significant advancement in defining quality metrics for ambulatory oncology pharmacy practice. The consensus-based AOcpKPIs provide a foundation for enhanced patient care, professional accountability, and continuous quality improvement within oncology pharmacy. Implementing these AOcpKPIs has the potential to elevate oncology pharmacy practice, supporting pharmacists in meeting evolving health care demands and fostering evidence-based patient outcomes. Next steps include defining and grouping AOcpKPIs to be more useable and developing a knowledge translation guide for implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,222
score de la tête « metaresearch » (Gemma)0,210
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2220,210
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0140,008
Études des sciences et des technologies0,0030,002
Communication savante0,0050,004
Science ouverte0,0030,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,250
Tête enseignante GPT0,514
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJCO Oncology PracticeMême sujetMedication Adherence and ComplianceTravaux en français237 207