DEVELOPMENT AND INITIAL PSYCHOMETRIC VALIDATION OF A REAL-TIME PATIENT REPORTED EXPERIENCE MEASURE
Notice bibliographique
Résumé
Patient-reported experience measures (PREMs) capture the patient’s view about his or her experience while receiving care across the continuum of care. Your Voice Matters (YVM), a real-time electronic PREM tool, was developed to measure the patient experience in the outpatient cancer setting and to drive quality improvements in the cancer system. This study describes the development and validation of YVM, a real-time electronic PREM tool in cancer services. Cognitive interviewing was conducted with patient and family advisors for both the French (n = 3) and English (n = 5) versions of the YVM tool. YVM was administered through five Regional Cancer Centers (RCCs) between April and August 2015. Shapley value regression used overall experience-dependent variables to determine core items and items eligible for removal from YVM. Exploratory factor analysis was used to determine the underlying factor structure.Internal consistency reliabilities were calculated using Cronbach’s alpha. A total of 557 YVM tools were completed by cancer patients in the treatment phase. Shapley value regression identified five lower scoring items for removal. Exploratory factor analysis showed that a 27-item, five-factor structure reflected the underlying patient experience dimensions in the cancer treatment visit. Cronbach’s alpha of 0.827 for all items suggested good internal consistency. YVM is a validated tool for measuring the experience of cancer patients during the treatment phase through the visit trajectory in real time. YVM will help drive improvements based on patients’ preferences and needs, and will provide robust patient experience data for cancer care delivery.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».