Prioritizing quality measure concepts at the interface of behavioral and physical healthcare
Notice bibliographique
Résumé
OBJECTIVE: Integrated healthcare models can increase access to care, improve healthcare quality, and reduce cost for individuals with behavioral and general medical healthcare needs, yet there are few instruments for measuring the quality of integrated care. In this study, we identified and prioritized concepts that can represent the quality of integrated behavioral health and general medical care. DESIGN: We conducted a literature review to identify candidate measure concepts. Experts then participated in a modified Delphi process to prioritize the concepts for development into specific quality measures. SETTING: United States. PARTICIPANTS: Expert behavioral health and general medical clinicians, decision-makers (policy, regulatory and administrative professionals) and patient advocates. MAIN OUTCOME MEASURES: Panelists rated measure concepts on importance, validity and feasibility. RESULTS: The literature review identified 734 measures of behavioral or general medical care, which were then distilled into 43 measure concepts. Thirty-three measure concepts (including a segmentation strategy) reached a predetermined consensus threshold of importance, while 11 concepts did not. Two measure concepts were 'ready for further development' ('General medical screening and follow-up in behavioral health settings' and 'Mental health screening at general medical healthcare settings'). Among the 31 additional measure concepts that were rated as important, 7 were rated as valid (but not feasible), while the remaining 24 concepts were rated as neither valid nor feasible. CONCLUSIONS: This study identified quality measure concepts that capture important aspects of integrated care. Researchers can use the prioritization process described in this study to guide healthcare quality measures development work.
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 | 0,009 | 0,003 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».