MétaCan
Menu
Retour à la cohorte
Enregistrement W2064929770 · doi:10.1186/ar4619

Are patient ratings of interactions with providers and health plans associated with technical quality of care in systemic lupus erythematosus?

2014· article· en· W2064929770 sur OpenAlexfundno aff
Edward H. Yelin, Laura Trupin, Jinoos Yazdany

Notice bibliographique

RevueArthritis Research & Therapy · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesCanadian Institutes of Health ResearchNational Institutes of HealthLupus Research AllianceCanadian Arthritis NetworkNational Institute of Arthritis and Musculoskeletal and Skin DiseasesArthritis SocietyCentral New York Community FoundationMerck KGaALupus Foundation of America
Mots-clésMedicineRheumatologyQuality (philosophy)Family medicineHealth careSystemic lupus erythematosusInternal medicineIntensive care medicinePhysical therapyDisease

Résumé

récupéré en direct d'OpenAlex

Prior research has shown that the technical quality of SLE care is associated with the degree of subsequent accumulated damage. However, it is not known whether the nature of interactions between patients and providers and health systems is associated with the technical quality of care. We analyzed data from the UCSF Lupus Outcomes Study (LOS), a national sample of persons with SLE interviewed annually using a structured telephone survey. The survey includes batteries from the Consumer Assessment of Health Plans developed by the US Agency for Healthcare Research and Quality and the Interpersonal Processes of Care Scales to rate care along six dimensions about providers (patient-provider communication, shared decision-making, and trust) and health systems (promptness/timeliness of care, care coordination, and assessment of health plans) from 0 to 100. Due to the fact that the ratings were not normally distributed, we dichotomized the measures at the lowest versus the highest three quartiles. The survey also includes the 13 quality indicators (QIs) for SLE that can be reliably reported by patients. The QIs were aggregated into a pass rate, defined as the number of QIs received as a proportion of those for which individuals are eligible. We used generalized estimating equations to model the relationship of the QI pass rate with being in the lowest quartile of ratings of each individual dimension and with being in the lowest quartile on zero, one to three, and four to six of the dimensions. Models were adjusted for age, race/ethnicity, education, poverty status, presence and kind of health insurance, specialty of principal SLE physician, disease duration, disease activity (SLAQ), and disease damage (BILD). A total of 640 LOS participants with ≥1 visit to their principal SLE provider in the year prior to interview were eligible for analysis. Mean age was 52.8 ± 12.6 years and mean disease duration was 20.1 ± 8.8 years; 38% were nonwhites, and 14% were in poverty. Being in the lowest quartile of ratings on any one individual dimension was not associated with a statistically significant difference in QI pass rates (data not shown). Being in the lowest quartile of ratings on four to six dimensions was associated with significantly lower pass rates (0.63 vs. 0.71 for those in the lowest quartile on no dimensions, P = 0.02) (Table 1 ). Low ratings on multiple dimensions of interactions may be a sentinel for poor technical quality of care. In the USA, ratings of providers and health plans are in the public domain and this information can help persons with SLE choose providers and health plans more likely to achieve high technical quality of 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,589
Score d'incertitude au seuil0,834

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,379
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArthritis Research & TherapyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207