American College of Rheumatology White Paper on Performance Outcome Measures in Rheumatology
Notice bibliographique
Résumé
OBJECTIVE: To highlight the opportunities and challenges of developing and implementing performance outcome measures in rheumatology for accountability purposes. METHODS: We constructed a hypothetical performance outcome measure to demonstrate the benefits and challenges of designing quality measures that assess patient outcomes. We defined the data source, measure cohort, reporting period, period at risk, measure outcome, outcome attribution, risk adjustment, reliability and validity, and reporting approach. We discussed outcome measure challenges specific to rheumatology and to fields where patients have predominantly chronic, complex, ambulatory care-sensitive conditions. RESULTS: Our hypothetical outcome measure was a measure of rheumatoid arthritis disease activity intended for evaluating Accountable Care Organization performance. We summarized the components, benefits, challenges, and tradeoffs between feasibility and usability. We highlighted how different measure applications, such as for rapid cycle quality improvement efforts versus pay for performance programs, require different approaches to measure development and testing. We provided a summary table of key take-home points for clinicians and policymakers. CONCLUSION: Performance outcome measures are coming to rheumatology, and the most effective and meaningful measures can only be created through the close collaboration of patients, providers, measure developers, and policymakers. This study provides an overview of key issues and is intended to stimulate a productive dialogue between patients, practitioners, insurers, and government agencies regarding optimal performance outcome measure development.
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 | 0,097 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,017 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».