Testing population-based performance measures identifies gaps in juvenile idiopathic arthritis (JIA) care
Notice bibliographique
Résumé
BACKGROUND: The study evaluates Performance Measures (PMs) for Juvenile Idiopathic Arthritis (JIA): The percentage of patients with new onset JIA with at least one visit to a pediatric rheumatologist in the first year of diagnosis (PM1); and the percentage of patients with JIA under rheumatology care seen in follow-up at least once per year (PM2). METHODS: Validated JIA case ascertainment algorithms were used to identify cases from provincial health administrative databases in Manitoba, Canada in patients < 16 years between 01/04/2005 and 31/03/2015. PM1: Using a 3-year washout period, the percentage of incident JIA patients with ≥1 visit to a pediatric rheumatologist in the first year was calculated. For each fiscal year, the proportion of patients expected to be seen in follow-up who had a visit were calculated (PM2). The proportion of patients with gaps in care of > 12 and > 14 months between consecutive visits were also calculated. RESULTS: One hundred ninety-four incident JIA cases were diagnosed between 01/04/2008 and 03/31/2015. The median age at diagnosis was 9.1 years and 71% were female. PM1: Across the years, 51-81% of JIA cases saw a pediatric rheumatologist within 1 year. PM2: Between 58 and 78% of patients were seen in yearly follow-up. Gaps > 12, and > 14, months were observed once during follow-up in 52, and 34%, of cases, and ≥ twice in 11, and 5%, respectively. CONCLUSIONS: Suboptimal access to pediatric rheumatologist care was observed which could lead to diagnostic and treatment delays and lack of consistent follow-up, potentially negatively impacting patient outcomes.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».