Refocusing quality measurement to best support quality improvement: local ownership of quality measurement by clinicians: Table 1
Notice bibliographique
Résumé
Recent years have seen unprecedented efforts to measure healthcare quality and to link such measurement to improved care delivery. The methodological and pragmatic complexities of these efforts have led to major debates: which ‘dimensions’ of quality to measure; whether to focus on processes or outcomes; which outcomes to prioritise—traditional clinical outcomes or more patient-centred ones; and, perhaps most important, how to link measurement to action through policy, professional and management levers.1 A variety of quality measurement schemes exist in many countries, including confidential reporting directed at healthcare organisations, public reporting of performance, policies tying performance to funding, such as ‘pay for performance’.2 3 Further, in some countries, professional training and/or licensing and revalidation processes for doctors include skills to measure and improve quality as core competencies.4–6 Moreover, public and governmental expectations for quality measurement have not just continued to rise but have expanded to include interest in long-term conditions, rather than the historical focus on short-term outcomes after surgery or hospitalisation for acute medical conditions. The question thus arises: what approach to measuring and reporting quality will best equip health systems to address these needs, especially given ubiquitous fiscal constraints. In this commentary, we first outline five general categories of problems that have beset quality measurement efforts to date. ### Prioritising one type of measure Much debate has focused on whether processes or outcomes constitute the ‘best’ quality measures. This debate has a long history7–9 but represents a false choice. Each element of Donabedian's triad of structure, process and outcome has both advantages and disadvantages,10 with no single category providing the best performance measurement across all settings and circumstances (see table 1). In healthcare, as in other industries, the players who achieve the best outcome pay the greatest attention to implementing reliable, effective and efficient processes of care and putting in …
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 | 0,048 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,019 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,016 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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.
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 ».