Defining melanoma quality indicators: A modified Delphi approach
Notice bibliographique
Résumé
Purpose: To identify consensus-based quality indicators to evaluate melanoma care Methods: Melanoma quality indicators were identified from a literature review.Twenty-nine indicators in six topic domains were subsequently developed: diagnosis and diagnostic biopsy, patient experience, treatment, pathology, symptom management, survivorship.Clinical experts in melanoma from Ontario and international jurisdictions, representing the disciplines of surgery, pathology, primary care, medical oncology, radiation oncology, and palliative care, in addition to a health system leader, an epidemiologist and a patient and family advisor were invited to participate on the Delphi Panel.Panelists were asked to rate indicators on a nine-point Likert scale for appropriateness.Two iterations of electronic surveys were anonymously completed, followed by a virtual consensus meeting to prioritize quality and outcome melanoma indicators.Results: Twenty-three panel members participated in the modified-Delphi process.Twenty-three quality indicators reflecting high-quality melanoma care across the care continuum were prioritized based on a defined consensus agreement of 80% although only 4 were measurable from current administrative databases.These indicators were assessed for measurement feasibility and four of these were deemed feasible to measure from administrative databases along with eight standard indicators. Conclusion:Melanoma outcome and quality indicators were identified using a modified-Delphi process for inclusion in a provincial cancer system performance report.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».