The Population Health Information Technology Assessment (PHITA): Understanding the Ability of Primary Care Practices to Report Clinical Quality Metrics
Notice bibliographique
Résumé
Rationale Most small-to-medium sized practices lack the software tools and analytic skills required for clinical quality reporting. We describe the development and initial testing of a measure to rapidly assess practices’ clinical reporting readiness and guide technical assistance for population health. Methods Co-investigators developed the Population Health Information Technology Assessment (PHITA), a 5-point scale comprised of two 3-point sub-scales measuring Software Capability and HIT Skill Set. A practice’s PHITA score was determined by interviewing practice facilitators (PF) who coached practices in a regional quality improvement (QI) study. Relative risk regression models were used to estimate the association between each practice’s PHITA score and its ability to report two or more (of four) cardiovascular risk clinical quality measures (CQMs). A qualitative analysis of PFs’ field notes on high and low PHITA scoring practices was used to describe differences in practices’ HIT experiences. Results Each point increase in total PHITA score was associated with a 29% higher probability of reporting two or more CQMs. Only 21.4% of practices were found to have the highest score on both sub-scales. Independently owned sites had significantly lower PHITA scores than other ownership types. Qualitative analysis for low PHITA scoring practices revealed reporting challenges and mistrust of data but willingness to try improving quality. High PHITA scoring sites consistently expressed on-going need for assistance, a focus on data accuracy, and greater engagement in quality improvement. Conclusion The PHITA can help PFs quickly assess preparedness for clinical quality reporting in small-medium sized practices and guide coaching efforts.
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 | 0,093 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».