Implementing Electronic Patient-Reported Outcome Measures in Outpatient Cosmetic Surgery Clinics: An Exploratory Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Patient-reported outcome measure (PROM) data are increasingly being collected over the internet or on a smart device by means of electronic versions (e-PROMs). Limited evidence exists about factors influencing e-PROM implementation in outpatient clinics. OBJECTIVES: The authors sought to identify barriers to collection of PRO data from different locations (home or cosmetic surgery office) by means of different modes (paper vs e-PROM) from the perspective of patients, plastic surgeons, and clinic administrative staff; and to explore patient preferences for the design of e-PROM platforms. METHODS: Semistructured interviews were conducted with 11 patients, 3 cosmetic surgeons, and administrative staff. Patients were shown 1 of the 3 PROMs (ie, the BODY-Q Satisfaction with Body scale, BREAST-Q Augmentation Module Satisfaction with Breast scale, or FACE-Q Satisfaction with Facial Appearance scale). The formats included paper and electronic (REDCap and TickiT) on a tablet and laptop computer. The interviews were audio-recorded and transcribed verbatim. Qualitative descriptive analysis was conducted. RESULTS: Patients and providers preferred electronic over paper format. The flexibility of the hardware, data entry point (remote location vs point-of-care), and the privacy of the data were the most recurring themes from the patient's perspective. The objective of collecting PROM data, role in peer-benchmarking, and return on investment were key to surgeons and administrative staff. CONCLUSIONS: The e-PROMs were well accepted in the community setting by the patients and plastic surgeons alike. The design and interface features of e-PROMs were explored in this study, which may be useful for future, mixed method studies evaluating the implementation of e-PROMs.
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 | 0,026 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».