MétaCan
Menu
Retour à la cohorte
Enregistrement W4417000813 · doi:10.1016/j.adro.2025.101967

Predictors of Successful First-Attempt Prostate Cancer Computed Tomography Simulation: A Prospective Cohort Study

2025· article· en· W4417000813 sur OpenAlexafffund
K. George, Demetra Yannitsos, Siwei Qi, Jackson Wu, Lisa Barbera

Notice bibliographique

RevueAdvances in Radiation Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésProspective cohort studyProstate cancerComputed tomographyCohort studyMEDLINECancer

Résumé

récupéré en direct d'OpenAlex

Purpose: Successful computed tomography (CT) simulation in prostate cancer radiation therapy relies on consistent bowel and bladder preparation. This study aimed to determine the first-attempt CT simulation success rate and identify factors associated with a successful simulation. Methods and Materials: This single-institution, prospective cohort study recruited patients with prostate cancer undergoing CT simulation for pelvic radiation. We abstracted the success of CT simulation on the first attempt, the number of scan attempts in a single visit, the reason for failed attempt(s), and the frequency of rescheduled appointments. Patients completed a survey regarding their preparation experiences, demographic data, and patient-reported outcomes. The primary outcome was a successful first-attempt CT scan. A generalized estimating equation model evaluated factors associated with successful first scan, including age, CT appointment time, American Urological Association urinary symptom scores, constipation, diarrhea, and instruction format. Additionally, qualitative analysis of open-text patient feedback explored barriers to effective preparation. Results: = .01) compared to verbal instructions alone. Qualitative analysis of 118 patient comments revealed common barriers, including unclear preparation instructions (23.7%), difficulty timing bowel movements (10.2%), and confusion about expectations (14.4%). Conclusions: Low CT simulation success rates emphasize the need for improved patient preparation strategies. Multimodal education significantly enhanced success rates. Addressing communication methods and, refining preparation protocols should reduce rescans, and optimize workflows.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,360
Écart entre enseignants0,351 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueAdvances in Radiation OncologyMême sujetSurgical Simulation and TrainingTravaux en français237 207