A prospective audit of thoracic reirradiation practice and peer-review in a high-volume academic center
Notice bibliographique
Résumé
Background: Reirradiation is an increasingly common challenge with limited prospective evidence to guide practice, which varies internationally. This paper presents the patterns of practice in thoracic reirradiation within a high-volume academic center. Methods: Thoracic reirradiation cases, discussed at the thoracic radiotherapy quality assurance (QA) meeting, were prospectively collected over 12 months between April 2024 and March 2025. Data collected included patient demographics, primary tumor site, details of previous and current planned radiotherapy, the extent and type of overlap and any treatment plan modifications. The data was analyzed using descriptive statistics. Results: 85 (18.2 % of 466 cases) reirradiation cases were identified at 26 QA meetings. Most reirradiation plans (68.2 %) were of radical intent, with dose overlap (89.4 %, n = 76). Challenges included unreliable registration of prior radiotherapy datasets (16.5 %) and deciding appropriate plan modifications to improve safety: 24.7 % optimized dose distribution to an OAR, 23.5 % involved dose reductions from standard prescriptions and 15.3 % compromised target volume coverage. The most frequently identified dose-limiting OARs were the proximal bronchial tree, esophagus, and spinal cord. Concerns about a lack of normal tissue recovery arose in 7.1 % of cases. In 10.6 % of cases there was explicit discussion of a dose discount for OARs for presumed partial tissue recovery. Peer-review prompted revision of the treatment plan in 11.8 % of cases. Conclusion: These findings underscore the complexity of thoracic reirradiation and highlight the need for further guidance in the area and the role of QA rounds in optimizing safety and treatment decisions while best practice remains uncertain.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».