Impact of the implementation of the AAN epilepsy quality measures on the medical records in a university hospital
Notice bibliographique
Résumé
BACKGROUND: The American Academy of Neurology (AAN) suggested eight quality measures to be observed at every patient visit. The aim of this work is to compare the percentage of documentation of each measure before and after the implementation of a new worksheet in a third-level center. METHODS: Quasi-experimental study including medical records filled by medical school seniors and junior residents supervised by an epileptologist. The authors surveyed 80 consecutive charts of people with epilepsy who were seen in the outpatient clinic before and after the intervention. McNemar change test was used to compare the percentages of documentation of each quality measure-i.e., seizure type and frequency, etiology, EEG, MRI/CT head scans, AED side effects, surgical therapy referral, safety counseling, preconception counseling-and physical exam. Each quality measure was considered to be fulfilled only if it was assessed and properly recorded. RESULTS: Mean age was 35(±13) years, 55% women, mean epilepsy onset at age 18(±15), 82% presented with partial-onset seizures. The reporting rate improved for all quality measures (previous vs new), reaching statistical significance for: seizure type 80vs94% (p < 0.05), AED side effects 8vs24%, etiology 66vs88% (p < 0.01), safety counseling 5vs64%, preconception counseling 4vs20%, and physical exam 63vs94% (p < 0.001). CONCLUSION: A quality-oriented epilepsy worksheet led to a better practice standardization and documentation of AAN standards for diagnostic and counseling purposes. Further evaluations should be undertaken to assess the impact on medical education and patient care.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».