Implementing standardized provider documentation in a tertiary epilepsy clinic
Notice bibliographique
Résumé
OBJECTIVE: To incorporate standardized documentation into an epilepsy clinic and to use these standardized data to compare patients' perception of epilepsy diagnosis to provider documentation. METHODS: Using quality improvement methodology, we implemented interventions to increase documentation of epilepsy diagnosis, seizure frequency, and type from 49.8% to 70% of adult nonemployee patients seen by 6 providers over 5 months of routine clinical care. The main intervention consisted of an interactive SmartPhrase that mirrored a documentation template developed by the Epilepsy Learning Healthcare System. We assessed the weekly proportion of complete SmartPhrases among eligible patient encounters with a statistical process control chart. We used a subset of patients with established epilepsy care linked to existing patient-reported survey data to examine the proportion of patient-to-provider agreement on epilepsy diagnosis (yes vs no/unsure). We also examined sociodemographic and clinical characteristics of patients who disagreed vs agreed with provider's documentation of epilepsy diagnosis. RESULTS: The median SmartPhrase weekly completion rate was 78%. Established patients disagreed with providers with respect to epilepsy diagnosis in 18.5% of encounters (κ = 0.13), indicating that they did not have or were unsure if they had epilepsy despite having a provider-documented epilepsy diagnosis. Patients who disagreed with providers were similar to those who agreed with respect to age, sex, ethnicity, marital status, seizure frequency, type, and other quality-of-life measures. CONCLUSION: This project supports the feasibility of implementing standardized documentation of data relevant to epilepsy care in a tertiary epilepsy clinic and highlights an opportunity for improvement in patient-provider communication.
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 | 0,032 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».