Impact of a Dedicated Inpatient Radiation Oncology Consult Service on Goal-Concordant Care
Notice bibliographique
Résumé
Purpose Radiotherapy has an increasing role in the management of metastatic cancers. Integrating radiation with surgical and systemic approaches is complex, and inappropriate management can lead to prolonged hospitalizations inconsistent with palliative goals. An Inpatient Radiation Oncology Consult (IROC) service was created in January 2020 to provide rapid access to specialized care for hospitalized patients. Here we report outcomes of the IROC service, focusing on quality-of-care metrics including hospital length-of-stay (LOS), use of hypofractionated approaches, and treatments for patients discharged to hospice. Methods and Materials We conducted a pre-post observational study to compare inpatient consults placed before ( N = 1,507) and after ( N = 1,509) IROC, from 2019-2021. Continuous variables were analyzed using the Mann-Whitney test and categorical variables using the Fisher's exact test. Results We found that IROC was associated with reductions in hospital length of stay (LOS, mean difference 1.0 days, P = 0.045). Under IROC, inpatient treatment courses were shorter (5.8 v 5.0 days, P = 0.007), in part driven by increased adoption of palliative hypofractionated radiotherapy approaches (74% v 82%, P = 0.001). The reduction in LOS was greatest for patients discharged to hospice (5.1 v 3.7 days, P = 0.036). Conclusions The IROC service was associated with reduced hospital LOS, increased use of hypofractionated approaches and decreased treatments for patients discharged to hospice. Our findings demonstrate the value of a dedicated program addressing radiation delivery to hospitalized patients to improve goal-concordant treatments. The financial impact of reducing low value care is an important subject for future investigations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».