Quality Metrics in Solid Organ Transplantation
Notice bibliographique
Résumé
BACKGROUND: The best approach for determining whether a transplant program is delivering high-quality care is unknown. This review aims to identify and characterize quality metrics in solid organ transplantation. METHODS: Medline, Embase, and Cochrane Central Register of Controlled Trials were searched from inception until February 1, 2017. Relevant full text reports and conference abstracts that examined quality metrics in organ transplantation were included. Two reviewers independently extracted study characteristics and quality metrics from 52 full text reports and 24 abstracts. PROSPERO registration: CRD42016035353. RESULTS: Three hundred seventeen quality metrics were identified and condensed into 114 unique indicators with sufficient detail to be measured in practice; however, many lacked details on development and selection, were poorly defined, or had inconsistent definitions. The process for selecting quality indicators was described in only 5 publications and patient involvement was noted in only 1. Twenty-four reports used the indicators in clinical care, including 12 quality improvement studies. Only 14 quality metrics were assessed against patient and graft survivals. CONCLUSIONS: More than 300 quality metrics have been reported in transplantation but many lacked details on development and selection, were poorly defined, or had inconsistent definitions. Measures have focused on safety and effectiveness with very few addressing other quality domains, such as equity and patient-centeredness. Future research will need to focus on transparent and objective metric development with proper testing, evaluation, and implementation in practice. Patients will need to be involved to ensure that transplantation quality metrics measure what is important to them.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».