Integration of Patient-reported Outcomes in a Total Joint Arthroplasty Program at a High-volume Academic Medical Center
Notice bibliographique
Résumé
INTRODUCTION: Despite widely appreciated barriers to successful clinical implementation, the literature regarding how to operationalize electronic health record-integrated patient-reported outcomes (PROs) remains sparse. We offer a detailed summary of the implementation of PROs into the standard of care at a major tertiary academic medical center. METHODS: Collection of four Patient-Reported Outcomes Measurement Information System computer adaptive tests was piloted in a large academic orthopaedic surgery ambulatory clinic starting in October 2016. The Patient-Reported Outcomes Measurement Information System computer adaptive tests (Physical Function, Pain Intensity, Pain Interference, and Ability to Return to Social Roles and Activities) were initially implemented as manual order sets to be administered before surgery through 2 years after surgery. Completion rate over time, mean time to completion for all PRO domains, and the overall distribution of symptom severity were used to evaluate the success of the pilot. A subsequent optimization and redesign of the pilot was conducted using tablets, automation of questionnaire deployment, and improved results review to address obstacles encountered during the pilot phase. RESULTS: Two thousand nine distinct joint arthroplasty patients (mean age = 65) completed at least one set of PRO assessments, with overall completion rates reaching 68% and mean completion time of 3 minutes. Focal points during the implementation process included engagement and training of staff, selection of an appropriate patient population and outcome measures, and user friendly data displays for patients and providers. CONCLUSION: Our pilot program successfully demonstrated that PROs can be administered, scored, and made immediately available within the electronic health record to patients and their providers with minimal disruption of clinical workflows. Although considerable operational and technological challenges remain, we found that the implementation of PROs in clinical care within an ambulatory practice at an academic medical center can be achieved through a constellation of several key factors.
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 | 0,006 |
| 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 | 0,001 |
| 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 ».