Recommendations to Improve Management of Incidental Pulmonary Nodules in Canada: Expert Panel Consensus
Notice bibliographique
Résumé
<b>Introduction:</b> Incidental pulmonary nodules (IPN) are common radiologic findings, yet management of IPNs is inconsistent across Canada. This study aims to improve IPN management based on multidisciplinary expert consensus and provides recommendations to overcome patient and system-level barriers. <b>Methods:</b> A modified Delphi consensus technique was conducted. Multidisciplinary experts with extensive experience in lung nodule management in Canada were recruited to participate in the panel. A survey was administered in 3 rounds, using a 5-point Likert scale to determine the level of agreement (1 = extremely agree, 5 = extremely disagree). <b>Results:</b> Eleven experts agreed to participate in the panel; 10 completed all 3 rounds. Consensus was achieved for 183/217 (84.3%) statements. Panellists agreed that radiology reports should include a standardized summary of findings and follow-up recommendations for all nodule sizes (ie, <6, 6-8, and >8 mm). There was strong consensus regarding the importance of an automated system for patient follow-up and that leadership support for organizational change at the administrative level is of utmost importance in improving IPN management. There was no consensus on the need for standardized national referral pathways, development of new guidelines, or establishing a uniform picture archiving and communication system. <b>Conclusion:</b> Canadian IPN experts agree that improved IPN management should include standardized radiology reporting of IPNs, standardized and automated follow-up of patients with IPNs, guideline adherence and implementation, and leadership support for organizational change. Future research should focus on the implementation and long-term effectiveness of these recommendations in clinical practice.
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 | 0,000 |
| 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 | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; les deux têtes enseignantes 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 ».