Quality Indicators for the Diagnosis and Management of Menière's Disease
Notice bibliographique
Résumé
OBJECTIVE: Menière's disease (MD) is a clinical disorder that often provides challenges in diagnosis and management. High-quality evidence to guide care providers is sparse, which can result in significant practice variations. Quality indicators (QIs) are one method that can be used to standardize and measure accepted care practices to improve healthcare quality and patient outcomes. Here, we developed practical, high-yield QIs that serve to measure and inform the quality of care provided to patients with MD. STUDY DESIGN: Modified RAND Corporation University of California, Los Angeles appropriateness methodology for QI development. SETTING: Multicenter nine-member expert panel. PATIENTS: NA. INTERVENTIONS: NA. MAIN OUTCOME MEASURE: Final QIs deemed appropriate measures of quality care with agreement by the expert panel. RESULTS: Twenty-seven candidate indicators were identified after literature review. After the first round of evaluations, the panel agreed on three candidate indicators as appropriate QIs. A subsequent expert panel meeting provided a platform to discuss disagreements. Two agreed-upon QIs were revised during this discussion before final evaluations. The expert panel ultimately agreed upon five QIs as appropriate measures of high-quality care after completing final evaluations and reviewing updated literature. The five quality indicators measure audiometric documentation, minimization of electrocochleography, use of intratympanic dexamethasone, use of intratympanic gentamycin, and rate of labyrinthectomy/vestibular neurectomy in refractory MD patient. CONCLUSIONS: This study proposes five QIs that cover key aspects of care for MD, such as accurate diagnosis and management options including initial destructive therapies. These QIs can serve multiple purposes, the most important of which is to galvanize quality improvement initiatives.
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 | 0,109 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».