Utilisation de la maîtrise statistique des processus (MSP) pour optimiser les contrôles qualité en radiothérapie conformationnelle par modulation d'intensité (RCMI)
Bibliographic record
Abstract
Introduction L'un des freins importants au développement de la RCMI, concerne le temps à consacrer aux contrôles qualité pré-traitement. Le but de notre étude est d'utiliser la Maîtrise Statistique des Processus (MSP) pour évaluer, améliorer et suivre la capabilité (indicateur permettant de chiffrer la performance des processus : rapport entre nos résultats et les tolérances) des processus de traitement actuels pour la prostate et l'ORL, et enfin de déterminer, dans le cas où les processus seraient capables et sous-contrôle au sens statistique, s'il est possible de réduire les contrôles et donc d'optimiser le ratio bénéfices/risques. Matériels et Méthodes La MSP est une méthode d'analyse statistique pour le contrôle et l'amélioration de la qualité des processus qui a été développée par l'industrie. Dans cette étude, elle est appliquée aux contrôles pré-traitement en RCMI qui consistent à comparer la dose calculée et la dose mesurée dans un fantôme en plaques de polystyrène. La MSP suggère une nouvelle façon d'aborder les contrôles qualité : il s'agit de maîtriser le traitement individuel de chaque patient, mais également de maîtriser le processus de traitement. Pour cela, dans une étude rétrospective, des cartes de contrôles de la moyenne et de l'étendue des écarts entre la dose calculée et la dose mesurée ont été établies. Le but des cartes de contrôle est de visualiser la variabilité de nos processus de traitement actuels (prostate et ORL) et d'établir des limites de contrôle statistiques. En parallèle, la capabilité des processus a été évaluée. Résultats Les cartes de contrôle établies a posteriori ont montré l'importance et l'influence du réglage du collimateur multilames (MLC) ainsi que l'influence d'un changement du système de planification, sur la qualité des traitements prostate et ORL en RCMI. En utilisant les limites de contrôle statistiques, le déréglage du MLC aurait pu être détecté avant que les valeurs ne soient en dehors des tolérances cliniques (+/-4%). L'utilisation de ces limites contribue donc à augmenter la sécurité du traitement. L'étude de la capabilité révèle que le processus est tout juste capable au sens statistique, pour les traitements de la prostate (0,9% des valeurs en dehors des tolérances cliniques), et n'est pas capable pour les traitements ORL (7,7% des valeurs en dehors des tolérances cliniques) : il faut donc encore améliorer le centrage et la dispersion des valeurs avant de pouvoir envisager une réduction des contrôles. Conclusion La mise en place de la MSP au Centre Alexis Vautrin a entraîné des modifications positives du comportement face aux contrôles qualité : une meilleure interprétation des écarts entre la dose calculée et la dose mesurée et en particulier des réglages du MLC réalisés au moment opportun. Mots clés : RCMI, contrôle qualité
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.055 | 0.197 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".