Measuring patient-centred system performance: a scoping review of patient-centred care quality indicators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: The shift to the patient-centred care (PCC) model as a healthcare delivery paradigm calls for systematic measurement and evaluation. In an attempt to develop patient-centred quality indicators (PC-QIs), this study aimed to identify quality indicators that can be used to measure PCC. METHODS: Design: scoping review. DATA SOURCES: studies were identified through searching seven electronic databases and the grey literature. Search terms included quality improvement, quality indicators, healthcare quality and PCC. Eligibility Criteria: articles were included if they mentioned development and/or implementation of PC-QIs. DATA EXTRACTION AND SYNTHESIS: extracted data included study characteristics (country, year of publication and type of study/article), patients' inclusion in the development of indicators and type of patient populations and point of care if applicable (eg, in-patient, out-patient and primary care). RESULTS: A total 184 full-text peer-reviewed articles were assessed for eligibility for inclusion; of these, 9 articles were included in this review. From the non-peer-reviewed literature, eight documents met the criteria for inclusion in this study. This review revealed the heterogeneity describing and defining the nature of PC-QIs. Most PC-QIs were presented as PCC measures and identified as guidelines, surveys or recommendations, and therefore cannot be classified as actual PC-QIs. Out of 502 ways to measure PCC, only 25 were considered to be actual PC-QIs. None of the identified articles implemented the quality indicators in care settings. CONCLUSION: The identification of PC-QIs is a key first step in laying the groundwork to develop evidence-based PC-QIs. Research is needed to continue the development and implementation of PC-QIs for healthcare 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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle