A framework for quality measurement in the presurgical care of chronic rhinosinusitis: a review from the Quality Improvement Committee of the American Rhinologic Society
Notice bibliographique
Résumé
BACKGROUND: Quality improvement (QI) in the management of chronic rhinosinusitis (CRS) is garnering increasing attention. Defining frameworks and metrics to assess the quality of key components in CRS management could assist in reducing unwarranted practice variation and increase high-quality care. METHODS: A panel of the American Rhinologic Society (ARS) QI committee reviewed the literature to determine important presurgical components of CRS care that warrant QI. The evidence was organized into 4 categories: (1) diagnosis, (2) medical management, (3) appropriate patient selection for surgery, and (4) patient-centered discussion. The combination of these categories was used to develop a framework termed the CRS Appropriate Presurgical Algorithm (CAPA). RESULTS: Prior to offering surgery for CRS, the best available evidence support the following quality metrics: (1) a guideline-based diagnosis should be confirmed; (2) appropriate medical management, including a minimum of topical corticosteroid therapy and saline irrigations, should have been attempted (assuming patient tolerance); (3) a computed tomography (CT) scan should be obtained (to confirm the presence of sinus inflammation and for surgical planning); and (4) a patient-centered discussion regarding treatment options for refractory CRS (ie, alternative medical therapies vs surgery vs observation) while focusing on risks and benefits, the need for long-term medical compliance, and understanding of patient preferences and expectations. CONCLUSION: Defining metrics that assess key components to CRS care prior to offering surgery has the potential to further improve upon an already successful treatment paradigm, reduce unwarranted practice variation, and to ensure that patients are receiving a similar level of high-quality care.
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 | 0,144 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,020 | 0,022 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».