Systematically implementing an electronic platform to improve patient experience measurement in Ontario, Canada.
Notice bibliographique
Résumé
111 Background: Cancer Care Ontario organizes and ensures quality cancer care for 13.5 million residents in Ontario, Canada and is systematically deploying a web-based tool, called Electronic Patient Reported Experience Measures (ePREM), through a touch-screen platform previously deployed within Regional Cancer Centres (RCCs). ePREM has been used to disseminate the first patient reported experience measure (PREM), called Your Voice Matters (YVM). YVM will be collected on all patients in Ontario undergoing cancer treatment in real time, creating the largest known, linkable patient experience dataset. Methods: Implementation feasibility and readiness was assessed across all 14 Regional Cancer Programs through a provincial assessment which informed the phased implementation. Implementation was rooted in a change management framework: clinical and administrative champions, available resources, existing technical environment and competing program priorities. In March 2016 a four-wave implementation was initiated controlling for readiness and centre volumes, with a focus on extensive stakeholder engagement, tool training, launch and operational support. To date, ePREM is fully operational in 10 of 15 RCCs. Results: Provincial deployment was 66% complete in October 2016. By March 2017 full provincial implementation will be complete. Successful implementation has been directly linked to an adaptive design within the implementation and change management framework as a four-wave roll out. Key factors included: multi-faceted communications with centre leadership, and implementation teams. During this initial data stabilization phase, there were 9,266 completed surveys submitted and 10,932 partial survey responses submitted. Conclusions: PREMs are appropriate quality improvement indicators for cancer patients within the treatment phase. ePREMs enables systematic, linkable collection of real time PREMs to improve the patient experience in Ontario and contribute to the planning of new initiatives. Upon full provincial implementation ePREMs will allow for the largest known dataset of PREMs. Successful implementation has been directly linked to an adaptive, four-wave approach.
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 | 0,018 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».