Selection of Quality Indicators in IBD: Integrating Physician and Patient Perspectives
Notice bibliographique
Résumé
Background: Variation in clinical practice exists in many aspects of inflammatory bowel disease (IBD) care. Our aim was to develop a comprehensive set of quality indicators (QIs) to be measured in view of improving the quality of IBD care provided in clinical practice. This initiative was part of a global Canadian quality initiative PACE (Promoting Access and Care through Centres of Excellence). Methods: A modified RAND appropriateness method was used to identify and rate structure, process, outcome, and patient-derived QIs of IBD care. The process included a comprehensive literature search yielding a broad list of QIs, the online selection of QIs by a core expert panel, the selection of patient-derived QIs from 4 patient focus groups, and the subsequent selection of QIs by a multidisciplinary panel, followed by a moderated in-person multidisciplinary meeting during which each indicator was rated for importance and feasibility of measurement. Predetermined cutoffs for mean score and degree of disagreement were used to select the final list of QIs. Results: Forty-five QIs, including 6 that were patient-derived, were selected. Nine structure QIs addressed aspects related to the services and specialist care offered at an IBD unit or clinic. Thirty process indicators included administrative and workflow processes, features related to IBD therapy, surveillance, vaccination, and risk management. Six outcome QIs included measures of healthcare utilization, steroid use, and patient satisfaction. Conclusions: Forty-five QIs including patient-derived indicators were selected through an iterative process. These indicators can be used to measure and improve the quality of care provided to IBD patients. 10.1093/ibd/izy259_video1izy259.video15828250213001.
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 | 0,000 | 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 ».