Selecting indicators for the quality of cardiac care at the health system level in Organization for Economic Co-operation and Development countries
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular (CV) diseases are major causes of morbidity and death in adults in the world. Major differences have been reported in the management strategies and the outcome of CV diseases within and between countries. To better understand and address these differences, there is a need for quantitative information on patient management, outcome, and prognosis. OBJECTIVE: This article describes the development of a set of quality indicators for cardiac care and summarizes work undertaken by the Cardiac Care Panel of the OECD Health Care Quality Indicators Project. METHODS: A list of 61 potential indicators was identified through a literature search, review of national measurement systems, and nomination from countries participating in the project. The Cardiac Care Panel then used a modified Delphi process developed originally by RAND to select indicators. Panel members individually rated each indicator on a scale of 1-9 for scientific soundness and importance. All indicators receiving scores of 7 or more for both importance and soundness were included in the final set. RESULTS: Seventeen cardiac indicators were selected for the final set of indicators from the following areas: acute coronary syndromes, cardiac interventions, secondary prevention, and congestive heart failure. CONCLUSIONS: The final set of 17 indicators selected by the Cardiac Care Panel constitutes a comprehensive set of measures for the most relevant domains of CV care. Nevertheless, gaps remain in the area of primary prevention and in particular in areas with rapidly changing technology and improving treatment options.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».