Bolstering the Business Case for Adoption of Shared Decision-Making Systems in Primary Care: Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Limited budgets may often constrain the ability of health care delivery systems to adopt shared decision-making (SDM) systems designed to improve clinical encounters with patients and quality of care. OBJECTIVE: This study aimed to assess the impact of an SDM system shown to improve diabetes and cardiovascular patient outcomes on factors affecting revenue generation in primary care clinics. METHODS: As part of a large multisite clinic randomized controlled trial (RCT), we explored the differences in 1 care system between clinics randomized to use an SDM intervention (n=8) versus control clinics (n=9) regarding the (1) likelihood of diagnostic coding for cardiometabolic conditions using the 10th Revision of the International Classification of Diseases (ICD-10) and (2) current procedural terminology (CPT) billing codes. RESULTS: (n=19,838), 6.2% vs 2.9%, P<.001, and adjusted OR 1.45 (95% CI 0.75-2.8). Compared to control clinics, intervention clinics assigned ICD-10 diagnosis codes more often for observed cardiometabolic conditions with care gaps, although the difference did not reach statistical significance. CONCLUSIONS: In this randomized study, use of a clinically effective SDM system at encounters with care gaps significantly increased the proportion of encounters assigned high-complexity (level 5) CPT codes, and it was associated with a nonsignificant increase in assigning ICD-10 codes for observed cardiometabolic conditions. TRIAL REGISTRATION: ClinicalTrials.gov NCT02451670; https://clinicaltrials.gov/ct2/show/NCT02451670.
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 | 0,024 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».