Using Electronic Health Record Data to Measure Care Quality for Individuals with Multiple Chronic Medical Conditions
Notice bibliographique
Résumé
OBJECTIVES: To inform the development of a data-driven measure of quality care for individuals with multiple chronic conditions (MCCs) derived from an electronic health record (EHR). DESIGN: Qualitative study using focus groups, interactive webinars, and a modified Delphi process. SETTING: Research department within an integrated delivery system. PARTICIPANTS: The webinars and Delphi process included 17 experts in clinical geriatrics and primary care, health policy, quality assessment, health technology, and health system operations. The focus group included 10 individuals aged 70-87 with three to six chronic conditions selected from a random sample of individuals aged 65 and older with three or more chronic medical conditions. MEASUREMENTS: Through webinars and the focus group, input was solicited on constructs representing high-quality care for individuals with MCCs. A working list was created of potential measures representing these constructs. Using a modified Delphi process, experts rated the importance of each possible measure and the feasibility of implementing each measure using EHR data. RESULTS: High-priority constructs reflected processes rather than outcomes of care. High-priority constructs that were potentially feasible to measure included assessing physical function, depression screening, medication reconciliation, annual influenza vaccination, outreach after hospital admission, and documented advance directives. High-priority constructs that were less feasible to measure included goal setting and shared decision-making, identifying drug-drug interactions, assessing social support, timely communication with patients, and other aspects of good customer service. Lower-priority domains included pain assessment, continuity of care, and overuse of screening or laboratory testing. CONCLUSION: High-quality MCC care should be measured using meaningful process measures rather than outcomes. Although some care processes are currently extractable from electronic data, capturing others will require adapting and applying technology to encourage holistic, person-centered care.
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 | 0,069 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».