Quality Indicators for the Diagnosis and Management of Acute Bacterial Rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: Acute bacterial rhinosinusitis (ABRS) is a highly prevalent disease that is treated by a variety of specialties, including but not limited to, family physicians, emergency physicians, otolaryngology-head and neck surgeons, infectious disease specialists, and allergy and immunologists. Unfortunately, despite high-quality guidelines, variable and substandard care continues to be demonstrated in the treatment of ABRS. OBJECTIVE: This study aimed to develop ABRS-specific quality indicators (QIs) to evaluate the diagnosis and management that reduces symptoms, improves quality of life, and prevents complications. METHODS: A guideline-based approach, proposed by Kötter et al., was used to develop QIs for ABRS. Candidate indicators (CIs) were extracted from 4 guiding documents and evaluated using the Appraisal of Guidelines for Research and Evaluation II (AGREE II) tool. Each CI and its supporting evidence was summarized and reviewed by an expert panel based on validity, reliability, and feasibility of measurement. Final QIs were selected from CIs utilizing the modified RAND/University of California at Los Angeles appropriateness methodology. RESULTS: Twenty-nine CIs were identified after literature review and evaluated by our panel. Of these, 5 CIs reached consensus as being appropriate QIs, with 1 requiring additional discussion. After a second round of evaluations, the panel selected 7 QIs as appropriate measures of high-quality care. CONCLUSION: This study proposes 7 QIs for the diagnosis and management of patients with ABRS. These QIs can serve multiple purposes, including documenting the quality of care; comparing institutions and providers; prioritizing quality improvement initiatives; supporting accountability, regulation, and accreditation; and determining pay for performance initiatives.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».