Faits saillants de la première enquête pancanadienne multidisciplinaire sur le personnel infirmier spécialisé en radio-oncologie
Bibliographic record
Abstract
La présente étude vise à recueillir des données sur le personnel infirmier en radio-oncologie au moyen d’une enquête pancanadienne menée par l’Association canadienne des infirmières en oncologie/Canadian Association of Nurses in Oncology (ACIO/CANO), en collaboration avec l’Association canadienne de radio-oncologie (ACRO), l’Organisation canadienne des physiciens médicaux (OCPM) et l’Association canadienne des technologues en radiation médicale (ACTRM). L’enquête avait pour objectif de réunir des données sur la capacité du personnel, la charge de travail et les champs d’exercice, afin de dégager des constats essentiels à la modélisation prédictive de la main-d’œuvre et à l’élaboration de politiques. L’exercice a révélé des variations importantes entre les postes d’infirmières en équivalents temps plein des différents centres de radio-oncologie; en effet, les grands établissements comptent plus de personnel par accélérateur linéaire que les petits. L’étude souligne également les défis posés par le recrutement et la rétention du personnel, influencés par l’importante charge de travail, les horaires contraignants et les besoins en formation spécialisée. Malgré les obstacles, la transition vers des modèles de soins collaboratifs constitue une occasion d’optimiser le rôle des infirmières en radio-oncologie, et de souligner l’importance de la formation spécialisée et de la planification des effectifs. Les résultats confirment la nécessité d’une approche normalisée de la modélisation de la maind’œuvre qui tient compte de l’acuité des besoins des patients et d’autres facteurs pour assurer l’équilibre dans l’allocation des ressources et améliorer la qualité des soins dans les unités de radio-oncologie.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.048 | 0.130 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".