The quality of care for adults with epilepsy: an initial glimpse using the QUIET measure
Notice bibliographique
Résumé
BACKGROUND: We examined the quality of adult epilepsy care using the Quality Indicators in Epilepsy Treatment (QUIET) measure, and variations in quality based on the source of epilepsy care. METHODS: We identified 311 individuals with epilepsy diagnosis between 2004 and 2007 in a tertiary medical center in New England. We abstracted medical charts to identify the extent to which participants received quality indicator (QI) concordant care for individual QI's and the proportion of recommended care processes completed for different aspects of epilepsy care over a two year period. Finally, we compared the proportion of recommended care processes completed for those receiving care only in primary care, neurology clinics, or care shared between primary care and neurology providers. RESULTS: The mean proportion of concordant care by indicator was 55.6 (standard deviation = 31.5). Of the 1985 possible care processes, 877 (44.2%) were performed; care specific to women had the lowest concordance (37% vs. 42% [first seizure evaluation], 44% [initial epilepsy treatment], 45% [chronic care]). Individuals receiving shared care had more aspects of QI concordant care performed than did those receiving neurology care for initial treatment (53% vs. 43%; X(2) = 9.0; p = 0.01) and chronic epilepsy care (55% vs. 42%; X(2) = 30.2; p < 0.001). CONCLUSIONS: Similar to most other chronic diseases, less than half of recommended care processes were performed. Further investigation is needed to understand whether a shared-care model enhances quality of care, and if so, how it leads to improvements in quality.
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 | 0,005 | 0,000 |
| 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 | 0,001 | 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) | 0,000 | 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 ».