Feasibility of Measurement and Adherence to System Performance Measures for Rheumatoid Arthritis in 5 Models of Care
Notice bibliographique
Résumé
OBJECTIVE: To test the feasibility of reporting on 4 national performance measures for patients with rheumatoid arthritis (RA) in 5 different models of care. METHODS: The following performance measures were evaluated in 5 models of care: waiting time (WT) to rheumatologist consultation, percentage of patients seen in yearly followup (FU), percentage taking disease-modifying antirheumatic drugs (DMARD), and time to starting DMARD. All models aimed to improve early access and care for patients with RA. RESULTS: A number of feasibility issues were encountered in performance measure evaluation because of differences in site data collection and/or the duration of the model of care. For example, while 4/5 programs maintained clinical or research databases, chart reviews were still required to report on WT. Median WT for care in 2015 varied by site between 21 and 75 days. Yearly FU rates could only be calculated in 2 sites (combined owing to small numbers) and varied between 83% and 100%. Percentage of patients taking a DMARD and time to DMARD could be calculated in 3 models, and rates of DMARD use were between 90% and 100%, with median time to DMARD of 0 days in each. CONCLUSION: Our review has shown that even in models of care designed to improve access to care and early treatment, data to document improvements are often lacking. Where data were available for measuring, deficits in WT performance were noted for some centers. Our results highlight a need to improve reporting processes to drive quality improvement.
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 | 0,367 | 0,475 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».