A Descriptive Study of Data Collection Systems Used in Electroconvulsive Therapy Units in the Province of Quebec, Canada
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to describe the data collection systems routinely used by electroconvulsive therapy (ECT) units across the province of Quebec, Canada. METHODS: We conducted a descriptive, cross-sectional study. Using an online survey, 31 ECT units delivering inpatient or outpatient ECT treatments in the province of Quebec provided information on the data collection systems used, data recorded, data collection strategies, indicators of satisfaction, limitations of the current data collection systems, and expectations toward the improvement of ECT data collection. RESULTS: Most units routinely collected information on individuals receiving ECT treatments, mainly on the medical chart (80%) and in paper format (71%). Most units (88.9%) collected ECT data manually. Electroconvulsive therapy parameters are collected by 66% to 80% of units, but only 16% of them have computerized records. The main limitations of the current systems are as follows: (a) the low frequency of computerization, (b) the underutilization of data, and (c) difficulties in the integration of information from different ECT units. Although 83.3% were satisfied with the current data collection strategies, 80% had a very positive opinion about the development and implementation of an innovative ECT provincial data collection registry. CONCLUSIONS: An integrated ECT provincial data collection system could overcome the variability documented in existing strategies and respond to the current provincial needs and expectations. Also, an integrated ECT provincial data collection system could support both clinical research and quality assurance necessary to inform standards of ECT practice in Quebec.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».