A scoping Review of tools used to assess patient Complexity in rheumatic disease
Notice bibliographique
Résumé
OBJECTIVE: Patients with rheumatic diseases often have multiple comorbidities which may impact well-being leading to high psychosocial complexity. This scoping review was undertaken to identify complexity measures/tools used in rheumatology that could help in planning and coordinating care. METHODS: MEDLINE, EMBASE and CINAHL were searched from database inception to 14 December 2019 using keywords and Medical Subject Headings for "care coordination", "complexity" and selected rheumatic diseases and known complexity measures/tools. Articles describing the development or use of complexity measures/tools in patients with adult rheumatologic diagnoses were included regardless of study design. Included articles were evaluated for risk of bias where applicable. RESULTS: The search yielded 407 articles, 37 underwent full-text review and 2 were identified during a hand search with 9 included articles. Only 2 complexity tools used in populations of adult patients with rheumatic disease were identified: the SLENQ and the INTERMED. The SLENQ is a 97-item patient needs questionnaire developed for patients with systemic lupus (n = 1 study describing tool development) and applied in 5 cross-sectional studies. Three studies (a practice article, trial and a cross-sectional study) applied the INTERMED, a clinical interview to ascertain complexity and support coordinated care, in patients with rheumatologic diagnoses. CONCLUSIONS: There is limited information on the use of patient complexity measures/tools in rheumatology. Such tools could be applied to coordinate multidisciplinary care and improve patient experience and outcomes. PATIENT CONTRIBUTION: This scoping review will be presented to patient research partners involved in co-designing a future study on patient complexity in rheumatic disease.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,000 |
| 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 ».