Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS - Institutional Research Information System IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi dell’Insubria.
IRInSubria - Institutional Repository Insubria IRInSubria raccoglie, conserva, documenta e dissemina le informazioni sulla produzione scientifica dell'Università degli Studi dell’Insubria anche ai fini della valutazione della ricerca.
Surgical innovation and oncologic practice are evolving rapidly. However, the evidence base supporting many interventions/decisions in surgical oncology remains vulnerable to bias, limited generalizability, and inconsis-tent reporting. To address this gap, this multidisciplinary review, developed through structured discussions among surgeons, methodologists, and data governance experts, proposes methodological principles to support the generation of credible, patient-relevant, and decision-oriented evidence in surgical oncology. The proposed framework emphasizes clinically actionable research questions, study designs proportionate to surgical realities, transparent comparator strategies, rigorous data governance, and communication aligned with guideline and policy decision-making. The paper also discusses the responsible integration of artificial intelligence (AI)-enabled methodologies and the opportunities created by the secondary use of health data within the European Health Data Space (EHDS). High-quality surgical oncology research requires methodological rigor, data integrity, and dissemination to be treated as integral components of clinical excellence.
Cutting-edge research in surgical oncology: A framework for decision-grade evidence
Surgical innovation and oncologic practice are evolving rapidly. However, the evidence base supporting many interventions/decisions in surgical oncology remains vulnerable to bias, limited generalizability, and inconsis-tent reporting. To address this gap, this multidisciplinary review, developed through structured discussions among surgeons, methodologists, and data governance experts, proposes methodological principles to support the generation of credible, patient-relevant, and decision-oriented evidence in surgical oncology. The proposed framework emphasizes clinically actionable research questions, study designs proportionate to surgical realities, transparent comparator strategies, rigorous data governance, and communication aligned with guideline and policy decision-making. The paper also discusses the responsible integration of artificial intelligence (AI)-enabled methodologies and the opportunities created by the secondary use of health data within the European Health Data Space (EHDS). High-quality surgical oncology research requires methodological rigor, data integrity, and dissemination to be treated as integral components of clinical excellence.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11383/2219611
Attenzione
L'Ateneo sottopone a validazione solo i file PDF allegati
Citazioni
ND
0
0
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.