Patient journey mapping: Current practices, challenges and future opportunities in healthcare
Notice bibliographique
Résumé
Patient Journey Maps are an emerging concept that visually map each interactive touchpoint that the patient experiences as they navigate the care continuum. The purpose of this article is to: 1) Identify the ways that patient journey mapping has been used to identify efficiencies and inefficiencies in the healthcare process from a patient perspective, 2) Identify the type of approaches that have been documented to visually identify the patient journey, 3) Identify how information tools can be taken into account to improve gaps identified by patient journey mapping; and 4) Detail what patient journey visualization and mapping tools currently exist (and are used) in research and healthcare practice. A scoping review literature exploration, following the Arksey and O’Malley Framework (2005) was conducted in the PubMed database, with a focus on English publications only, using the search terms “patient journey map.” Two researchers iteratively assessed the articles based on inclusion and exclusion criteria; 30 articles were included in the study. A thematic analysis was conducted and the findings were tabulated in the data extraction table. The patient journey map has considerable promise but continues to be an underutilized resource in industry - further research and standardization is required to increase adoption in the healthcare setting.
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 | 0,090 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,017 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,022 | 0,033 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».