Let's All Go to the PROM: The Case for Routine Patient-Reported Outcome Measurement in Canadian Healthcare
Notice bibliographique
Résumé
Overall life expectancy in Canada is among the highest in the world and research evidence suggests that the healthcare system is part of the reason for this. However, patient waits, low international rankings and continued expenditure growth all provide a buttress against complacency. There can be little doubt that improvement can and must happen. Improvement depends on information, and more specifically information about outcomes of care. Without sound analysis of what works in the real world when applied to real patients, we have not done our jobs as stewards of the healthcare system. Current outcomes information in Canada is limited and tends to focus on measures of failure (e.g., hospital readmissions) rather than measures of success (e.g., improvement in functioning). Patient reported outcome measures (PROMs) must become part of regular data collection in the healthcare system. The importance of this is even more pronounced given that healthcare is now dominated by chronic conditions that need to be managed over long periods of time. We offer three recommendations for action: that we begin immediately to collect PROMs in elective surgery; that we start small-scale and coordinated experiments on the implementation of PROMs in care for chronic conditions; and that we convene a pan-Canadian working group to help coordinate and organize these activities. We recognize the challenges these issues raise, but our contention is that there are even greater challenges in continuing on as we are.
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 | 0,313 | 0,459 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,009 | 0,017 |
| Études des sciences et des technologies | 0,011 | 0,017 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,016 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».