Abstract TP364: Optimization of Data Abstraction and Quality Measure Reporting using EHR
Notice bibliographique
Résumé
Background and Purpose: Despite significant investment in EHR’s, most stroke centers continue to populate stroke registries, such as Get with the Guidelines - Stroke using manual abstraction. This is necessary because of a lack of EHR integration and persistence of non-discrete required data elements. Methods: American Heart Association (AHA) identified the need to offer a more interoperable version of Get with the Guidelines - Stroke (GWTG-S) as a strategic priority for 2016. AHA engaged a consultant to work with two pilot hospital locations to optimize stroke data collection in the EHR and allowing for automated data population into GWTG-S. The pilot work included: 1) Analysis of current documentation and abstraction methods to support reporting of performance data; 2) Design and implementation of improvement opportunities for a) Discrete capture of data elements for electronic reporting b) Improving clinical documentation and ordering c) Clinical decision support and d) Data structures and transmission. 3) Proof-of-concept data extract report; 4) ROI analysis for improvement opportunities and 5) Proposed implementation strategies and timelines for improvement opportunities. Results: The pilot sites implemented Epic tools including Orders, Notes, Narrators and Flowsheets to increase the percentage of discrete elements available for uploading into GWTG-S and to populate hospital quality reporting systems Conclusion: The optimization process improved stroke team ability to:1) Decrease manual abstraction, and allow the stroke team to conduct more concurrent review and handle additional patients without additional staff; 2) Quantify data collection; abstraction; and analysis processes for the emergency department team; neurology; interventional team; and stroke unit; 3) Leverage EHR tools for the clinical team to improve utilization; and 4) Demonstrated the critical collaboration between clinical operations and the information technology team.
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 | 0,064 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».