The use of patient-reported outcome measures in primary care: applications, benefits and challenges
Notice bibliographique
Résumé
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.
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 | 0,438 | 0,545 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,008 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,011 |
| 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 ».