MétaCan
Menu
Retour à la cohorte
Enregistrement W2068382740 · doi:10.1007/s40271-014-0095-7

Patient-Centered Care and Patient-Reported Measures: Let’s Look Before We Leap

2014· article· en· W2068382740 sur OpenAlexafffund
Daniel Miller, Carolyn Steele Gray, Kerry Kuluski, Cheryl Cott

Notice bibliographique

RevuePatient · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity of TorontoUniversity Health NetworkBridgepoint Active Healthcare
Organismes subventionnairesUniversity of TorontoOntario Ministry of Health and Long-Term Care
Mots-clésHealth careVariety (cybernetics)Quality (philosophy)MedicinePatient careNursingPsychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This commentary focuses on patient-reported measures as tools to support patient-centered care for patients with multiple chronic conditions (MCCs). We argue that those using patient-reported measures in care management or evaluation of services for MCC patients should do so in recognition of the challenges involved in treating them. MCC patient care is challenging because (1) it is difficult to specify the causes of particular symptoms; (2) assessment of many important symptoms relies on subjective report; and (3) patients require care from a variety of providers. Due to the multiple domains of health affected in single individuals, and the large variation in needs, care that is holistic and individualized (i.e. patient-centered) is appropriate for MCC patients. However, due to the afore-mentioned challenges, it is important to carefully consider what this care entails and how practical contexts shape it. Patient-centered care for MCC patients implies continuous, dialogic patient-provider relationships, and the formulation of coherent and adaptive multi-disciplinary care protocols. We identify two broadly defined contextual influences on the nature and quality of these processes and their outputs: (1) busy practice settings and (2) fragmented information technology. We then identify several consequences that may result from inattention to these contextual influences upon introduction of patient-reported measure applications. To maximize the benefits, and minimize the harms of patient-reported measure use, we encourage policy makers and providers to attend carefully to these and other important contextual factors before, during and after the introduction of patient-reported measure initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,071
score de la tête « metaresearch » (Gemma)0,211
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,377

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0710,211
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0030,003
Études des sciences et des technologies0,0060,023
Communication savante0,0130,031
Science ouverte0,0100,007
Intégrité de la recherche0,0440,075
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations80
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePatientMême sujetChronic Disease Management StrategiesTravaux en français237 207