Audit and feedback of therapist-assisted internet-delivered cognitive behaviour therapy within routine care: A quality improvement case study
Notice bibliographique
Résumé
With the growing use of ICBT in routine care clinics there is a need for literature on how to monitor and improve the quality of therapist behaviours in clinical practice. In this paper, we first provide background literature on Audit and Feedback (A&F), a common quality improvement technique, and then present a case study regarding the use of A&F to improve quality of therapist behaviours in emails sent to patients provided with ICBT in routine care. The A&F measure used was derived from previous research on therapist's email behaviours in ICBT. Fifteen undesirable therapist behaviours (e.g., Did Not Message, Unresponsive to Symptom Increase, Does Not Address Patient Concern) were audited in 1840 emails sent from eight therapists to 198 randomly selected patients, representing 18% of 1114 patients who started between one and five lessons of ICBT in the previous year and did not formally withdraw from treatment (n = 31 patients). The therapists who were audited were provided feedback four times over a one-year period from October 2018 to September 2019. Overall, in all audit periods, we found a low percentage of undesirable therapist behaviours (i.e., therapists displayed the behaviour in 12% or less of the total emails sent). For most therapist behaviours, we saw a trend towards improvement across the four audit cycles. Three therapist behaviours (i.e., Failure to Ask One Question to the Patient, Poor Instructions, Not Linking Email to Course Content) did not follow this pattern and were flagged for clinical discussion to determine why behaviours were elevated and whether these behaviours represented unrealistic expectations. The process was valuable for monitoring and improving therapist behaviours and highlights the need for future research on standards for therapist behaviours (e.g., which behaviours to focus on, setting acceptable levels of undesirable behaviour).
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 | 0,021 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».