Indicators of quality of care for patients with acute myocardial infarction
Notice bibliographique
Résumé
BACKGROUND: There is a wide practice gap between optimal and actual care for patients with acute myocardial infarction in hospitals around the world. We undertook this initiative to develop an updated set of evidence-based indicators to measure and improve the quality of care for this patient population. METHODS: A 12-member expert panel was convened in 2007 to develop an updated set of quality indicators for acute myocardial infarction. The panel identified a list of potential indicators after reviewing the scientific literature, clinical practice guidelines and other published quality indicators. To develop the new list of indicators, the panel rated each potential indicator on 4 dimensions (reliability, validity, feasibility and usefulness in improving patient outcomes) and discussed the top-ranked quality indicators at a consensus meeting. RESULTS: Consensus was reached on 38 quality indicators: 17 that would be measurable using chart-abstracted data and 21 that would be measurable using administrative data. Of the 17 chart-review indicators, 13 address pharmacologic and nonpharmacologic care delivered to patients in hospital. In-hospital mortality was recommended as a key outcome indicator. Three system indicators were recommended to measure the collaborative responsiveness of the health care system from the call for help to intervention. It was recommended that hospitals strive for a minimum target benchmark of 90% or greater on process-of-care indicators. INTERPRETATION: Implementation of strategies by clinicians and hospitals to meet target benchmarks on these quality indicators could save the lives of many individuals with acute myocardial infarction.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».