Defining quality outcomes for complex-care patients transitioning across the continuum using a structured panel process
Notice bibliographique
Résumé
BACKGROUND: No standardised set of quality measures associated with transitioning complex-care patients across the various healthcare settings and home exists. In this context, a structured panel process was used to define quality measures for care transitions involving complex-care patients across healthcare settings. METHODS: A modified Delphi consensus technique based on the RAND method was used to develop measures of quality care transitions across the continuum of care. Specific stages included a literature review, individual rating of each measure by each of the panelists (n=11), a face-to-face consensus meeting, and final ranking by the panelists. RESULTS: The literature review produced an initial set of 119 measures. To advance to rounds 1 and 2, an aggregate rating of >75% of the measure was required. This analysis yielded 30/119 measures in round 1 and 11/30 measures in round 2. The final round of scoring yielded the following top five measures: (1) readmission rates within 30 days, (2) primary care visit within 7 days postdischarge for high-risk patients, (3) medication reconciliation completed at admission and prior to discharge, (4) readmission rates within 72 h and (5) time from discharge to homecare nursing visit for high-risk patients. CONCLUSIONS: The five measures identified through this research may be useful as indicators of overall care quality related to care transitions involving complex-care patients across different healthcare settings. Further research efforts are called for to explore the applicability and feasibility of using the quality measures to drive quality improvement across the healthcare system.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».