Quality Improvement Initiatives to Optimize the Management of Chronic Obstructive Pulmonary Disease in Patients With Lung Cancer
Notice bibliographique
Résumé
Purpose: Patients with lung cancer (LC) frequently have chronic obstructive pulmonary disease (COPD), the optimization of which improves outcomes. A 2014 Queen’s University Hospitals audit demonstrated that COPD was underdiagnosed and undertreated in outpatients with LC. We sought to improve the diagnosis and management of COPD in this population. Methods: We implemented change using a Define/Measure/Analyze/Improve/Control (DMAIC) improvement cycle. Data were obtained by chart review from the Cancer Care Ontario database and e-Patient System for patients with newly diagnosed LC, including patient characteristics, pulmonary function test (PFT) data, and bronchodilator therapies. Improvement cycle 1 included engaging stakeholders and prioritizing COPD management by respirologists in the Lung Diagnostic Assessment Program. Improvement cycle 2 included physician restructuring and developing a standard work protocol. Data were analyzed monthly and presented on statistical process control P-charts, which assessed differences over time. The χ 2 and McNemar tests assessed for significance between independent and dependent groups, respectively. Results: A total of 477 patients were studied (165 patients at baseline, 166 patients in cycle 1, and 127 patients in cycle 2). There was no change in PFT completion over time, although respirology-managed patients were significantly more likely to undergo a PFT than patients who were not managed by respirology (56.7% v 96.1%; P < .00001). The proportion of respirology-managed patients with LC with airflow obstruction receiving inhaled bronchodilator significantly increased (baseline, 46.3%; cycle 1, 51.0%; and cycle 2, 74.3%). By cycle 2, patients with airflow obstruction were more likely to receive a long-acting bronchodilator if managed by respirology (74.3% v 44.8%; P = .0009). Conclusion: COPD is underdiagnosed and undertreated in outpatients with LC. A DMAIC quality improvement strategy emphasizing COPD treatment during LC evaluation in the Lung Diagnostic Assessment Program significantly improved COPD management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».