Evaluating the Effectiveness of Concurrent Review: Does It Improve Stroke Measure Results?
Notice bibliographique
Résumé
BACKGROUND: Concurrent review is a quality improvement strategy in which patients are tracked from admission to discharge, and messages are communicated to the responsible physician when quality stroke measures have not been met. There is little research regarding interventions that might influence clinical practice patterns and improvement in compliance with core quality measures. This study sought to evaluate whether concurrent review implementation was associated with change in performance on stroke measure outcome data. METHODS: Randomly selected charts from 2 hospitals (A and B) during 3 time periods were reviewed. In period 1, neither hospital had a process for concurrent review. In period 2, hospital A, where concurrent review was implemented, was compared with hospital B without this process. In period 3, both hospitals had the process of concurrent review. Information on baseline demographics, insurance status, and length of stay was collected, as well as stroke performance measures. RESULTS: A total of 620 medical records were reviewed during the 3 time periods. Although the number of beds and annual stroke volume were higher at hospital B, patient characteristics were similar. During period 2, when hospital A implemented concurrent review and hospital B had not, a statistically significant higher compliance with performance in 7 stroke measures occurred in hospital A than in hospital B. In period 3, when both hospitals utilized concurrent review, no statistical significant differences occurred in 7 of the 10 stroke measures. CONCLUSION: Concurrent review is a quality improvement intervention that increases performance with stroke performance measures.
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 | 0,017 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».