MétaCan
Menu
Retour à la cohorte
Enregistrement W2507803097 · doi:10.1186/s12911-016-0350-z

Development and implementation of an online clinical pathway for adult chronic kidney disease in primary care: a mixed methods study

2016· article· en· W2507803097 sur OpenAlexafffundabout
Maoliosa Donald, Kerry McBrien, Wes Jackson, Braden Manns, Marcello Tonelli, Kathryn King‐Shier, Kailash Jindal, Richard Lewanczuk, Nairne Scott‐Douglas, Ted Braun, Sharon E. Straus, Christopher Naugler, Meghan J. Elliott, Min Jun, Brenda R. Hemmelgarn

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensBP (Canada)University of TorontoSt. Michael's HospitalUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta InnovatesAlberta Innovates - Health SolutionsUniversity of CalgaryAlberta Health Services
Mots-clésMedicineKidney diseaseReferralHealth informaticsFamily medicineUsabilityDisease managementDescriptive statisticsNursingDiseasePublic healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Primary care physicians and other primary health care professionals from Alberta, Canada identified a clinical pathway as a potential tool to facilitate uptake of clinical practice guidelines for the diagnosis, management and referral of adults with chronic kidney disease. We describe the development and implementation of a chronic kidney disease clinical pathway (CKD-CP; www.ckdpathway.ca ). METHODS: The CKD-CP was developed and implemented based on the principles of the Knowledge-To-Action Cycle framework. We used a mixed methods approach to identify the usability and feasibility of the CKD-CP. This included individual interviews, an online survey and website analytics, to gather data on barriers and facilitators to use, perceived usefulness and characteristics of users. Results are reported using conventional qualitative content analysis and descriptive statistics. RESULTS: Eighteen individual interviews were conducted with primary care physicians, nephrologists, pharmacists and nurse practitioners to identify themes reflecting both barriers and facilitators to integrating the CKD-CP into clinical practice. Themes identified included: communication, work efficiency and confidence. Of the 159 participants that completed the online survey, the majority (52 %) were first time CKD-CP users. Among those who had previously used the CKD-CP, 94 % agreed or strongly agreed that the pathway was user friendly, provided useful information and increased their knowledge and confidence in the care of patients with CKD. Between November 2014 and July 2015, the CKD-CP website had 10,710 visits, 67 % of which were new visitors. The 3 most frequently visited web pages were home, diagnose and medical management. Canada, Indonesia and the United States were the top 3 countries accessing the website during the 9 month period. CONCLUSIONS: An interactive, online, point-of-care tool for primary care providers can be developed and implemented to assist in the care of patients with CKD. Our findings are important for making refinements to the CKD -CP website via ongoing discussions with end-users and the development team, along with continued dissemination using multiple strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,033
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,001
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,221
Tête enseignante GPT0,562
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Medical Informatics and Decision MakingMême sujetClinical practice guidelines implementationTravaux en français237 207