MétaCan
Menu
Retour à la cohorte
Enregistrement W3178255142 · doi:10.1089/tmj.2021.0122

The Role of Tele-Education in Advancing Mental Health Quality of Care: A Content Analysis of Project ECHO Recommendations

2021· article· en· W3178255142 sur OpenAlexaffabout
Sanjeev Sockalingam, Anne Kirvan, Cheryl Pereira, Thiyake Rajaratnam, Yasmeenah Elzein, Eva Serhal, Allison Crawford

Notice bibliographique

RevueTelemedicine Journal and e-Health · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMental healthEcho (communications protocol)Health careQuality (philosophy)Set (abstract data type)MedicineQuality assuranceMedical educationNursingPsychologyComputer sciencePolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction: Project Extension for Community Healthcare Outcomes (Project ECHO ® ) is a global-guided practice initiative aimed at building primary care capacity and improving health care quality for underserved populations. This tele-education model brings together primary care providers and subject-matter specialists in online communities of practice to share knowledge, discuss complexities in patient care, and collaborate to reduce health disparities. Methods: Using co-generated clinical care recommendations from ECHO Ontario Mental Health, a mental health focused ECHO program, we explored alignment of recommendations across the Institute of Medicine's (IOM) six domains of health care quality to characterize its impact. A total of 417 recommendations, made for 32 patient cases, were analyzed using a modified directed content analysis method. Each recommendation was coded with one or multiple codes, representing each of the six IOM domains. Key examples of recommendations within each domain are described. Results: An average of 13 recommendations were generated per patient case. The effective domain occurred at least once in each complete set of patient care recommendations. The next highest occurring domain was safe (71.9%), followed by patient-centered (68.8%), efficient (40.6%), equitable (18.8%), and timely (12.5%). Recommendation distribution across the entire data set was effective (97.8%), safe (15.6%), patient-centered (12.0%), efficient (3.6%), equitable (1.9%), and timely (1.4%). Discussion: As the first study to characterize ECHO's impact using health care quality domains, the study highlights ECHO's significant focus on effective, safe, and patient-centered care. These findings can inform ways for ECHO to target quality improvement and measure impact in additional health care quality domains, such as efficient, equitable, and timely.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,108
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,519
Écart entre enseignants0,413 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTelemedicine Journal and e-HealthMême sujetPrimary Care and Health OutcomesTravaux en français237 207