Development of Quality Indicators for an Integrated Approach of Knee Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Osteoarthritis (OA) is a common cause of disability worldwide. Knee OA care is often suboptimal. A first necessary step in quality improvement is to gain a clear insight into usual care. We developed a set of evidence-based quality indicators for multidisciplinary high-quality knee OA care. METHODS: A Rand-modified Delphi method was used to develop quality indicators for knee OA diagnosis, therapy, and followup. Recommendations were extracted from international guidelines as well as existing sets of quality indicators and scored by a multidisciplinary expert panel. Based on median score, prioritization, and agreement, recommendations were labeled as having a high, uncertain, or low potential to measure quality of care and were discussed in a consensus meeting for inclusion or exclusion. Two final validation rounds yielded a core set of recommendations, which were translated into quality indicators. RESULTS: From a total of 86 recommendations and existing indicators, a core set of 29 recommendations was derived that allowed us to define high-quality knee OA care. From this core set, 22 recommendations were considered to be measurable in clinical practice and were transformed into a final set of 21 quality indicators regarding diagnosis, lifestyle/education/devices, therapy, and followup. CONCLUSION: Our study provides a robust set of 21 quality indicators for high-quality knee OA care, measurable in clinical practice. These process indicators may be used to measure usual care and evaluate quality improvement interventions across the entire spectrum of disciplines involved in knee OA 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,185 | 0,296 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».