MétaCan
Menu
Retour à la cohorte
Enregistrement W3205428075 · doi:10.1186/s41687-021-00361-7

The use of patient-reported outcome measures in primary care: applications, benefits and challenges

2021· article· en· W3205428075 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueJournal of Patient-Reported Outcomes · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of AlbertaNorthwestern PolytechnicOntario Stroke Network
Organismes subventionnairesEuroQol Research FoundationUniversity of Alberta
Mots-clésPopulationConsistency (knowledge bases)Patient-reported outcomeHealth careResource (disambiguation)FidelityMedicineNursingPsychologyComputer scienceEnvironmental healthQuality of life (healthcare)Political science

Résumé

récupéré en direct d'OpenAlex

PROMs use in primary care has expanded from simply describing patient populations to contributing to decision-making, in response to the increasingly complex, ever-changing healthcare environment. In Alberta, primary care is organized into primary care networks (PCNs), where family physicians are grouped geographically and supported by allied health professionals. PCNs implement programs and services in response to local population health needs with frequent evaluation, often incorporating PROMs for this purpose. As PCN programs and services vary greatly across Alberta, so do their use of PROMs. An area of commonality is the use of the EQ-5D-5L instrument; 29 out of 41 PCNs are registered and licensed to use the instrument. It is often administrated by paper, pre- and post-program, and in combination with other specific measures, depending on the program or target population. Some PCNs share programming and therefore outcome measurement, but often the selection, implementation (including training and administration procedures) and evaluation/reporting of PROMs are unique to the PCN. As well, data analysis is largely dependent on the size and capacity of the PCN. Using PROMs for PCN program evaluation supports clinical understanding and complements clinical outcomes. PROMs describe the population attending a program, as well as provide an element of consistency when examining trends across multiple programs or timepoints. This contributes to inquiries and decisions around program development, components, administrative features, resource allocation and delivery. Challenges of PROMs use in primary care include the absence of cohesive data capture technology. This limits data capabilities and presents difficulties with data fidelity, storage, export, and analysis. Additionally, this real-world application lacks a control arm and presents methodological challenges for comparative research purposes. Furthermore, capturing long term patient outcomes poses administrative challenges of multiple follow ups. More research is required into best reporting mechanisms to ensure the data is used to its full potential. To overcome these challenges, leadership and clinician engagement are key. As well, determining consistent PCN PROM reporting requirements will ensure data are comparable across PCNs and contribute to provincial level evaluations, further supporting the movement towards overall health system quality improvement.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,154
Tête enseignante GPT0,376
Écart entre enseignants0,222 · 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