OPTIMIZING PEER REVIEW ROUNDS IN RADIATION ONCOLOGY: A SCOPING REVIEW
Notice bibliographique
Résumé
In Radiation Oncology (RO), peer review (PR) rounds are essential for ensuring quality care, enhancing team communication, and identifying areas for improvement in radiotherapy plans. However, time constraints, lengthy discussions, and imbalanced team contributions often hinder effective PR. This scoping review examined novel tools and processes to enhance PR efficiency and experience in modern academic centres. We queried seven databases (MEDLINE (Ovid), EMBASE, PubMed, Cochrane Library, CINAHL, and MEDLINE (Ebsco), along with the grey literature, yielding 4,621 citations. Studies were excluded if they were (1) evaluated against paper-based rounds or lacked clear relevance to (2) RO PR processes, or (3) efficiency for RO rounds. Twelve studies focusing on PR structure and efficiency-related processes were included. Of the identified, 11/12 explored various structural formats to improve facilitation, 4/12 discussed automated tools and 2/12 had checklists. Only half of studies reported a PR-associated time burden, with 2/12 reporting positive post-implementation changes. The remaining studies did not measure comparative times. Our review revealed a significant gap in research aimed at improving PR efficiency in RO, despite lack of efficiency and resulting high time commitment being a commonly reported participation barrier. These findings emphasize the potential benefits of incorporating automation, improving the ways we facilitate rounds, and utilizing tools such as checklists, given PR’s critical role in patient safety and ongoing clinical learning. This scoping review reveals the lack of work on innovative approaches to optimize PR rounds in RO and underscores the need to enhance both effectiveness and efficiency. Future research should focus on developing and evaluating time-saving strategies and tools for PR in radiation oncology settings, with particular attention to the unique challenges and opportunities within the Canadian healthcare system.
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 | 0,203 | 0,439 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,035 | 0,038 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,016 | 0,018 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».