Advancing digital patient-centered measurement methods for team-based care
Notice bibliographique
Résumé
Objectives: To conceptualize new methods for integrating patient-centered measurement into team-based care. Methods: A standalone portal was introduced into a rural clinic to support conceptualization of new methods for integration of patient-centered measurement in team-based care. The portal housed mental health-related online resources, three patient-reported measures and a self-action plan. Six providers and four patients used the portal for four months. Our data collection techniques included clinic discussions, one-on-one interviews, workflow diagrams and data generated through the portal. Analysis was supported through coding interview transcripts, looking across multiple sources of research data and research team discussions. Results: Our research team conceptualized five team-based patient-centered measurement methods through this study. Patient-centered measurement Team Mapping offfers a technique to provide greater clarity of care-team roles and responsibilities in data collected through patient-centered measurement. Longitudinal Care Alignment can guide the care-team on incorporating patient-centered measurement into ongoing provider-patient interactions. Digital Tool Exploration can be used to evaluate a team's readiness toward digital tool adoption, and the impact of these tools. Team-based quality improvement serves as a framework for engaging teams in patient-centered quality improvement. Shared learning is a method that promotes patientprovider interactions that validate patient's perspectives of their care. Conclusion: The portal illuminated new methods for the integration of patient-centered measurement in team-based care. The first three proposed patient-centered measurement methods provides ways to assess how a clinic can incorporate patient-centered measurement methods into team-based care. The latter two methods focus on the aim of patient-generated data in which patient's values and perspectives are represented and quality of patient-centered care can be evaluated. Further testing is needed to assess the utility of these patient-centered measurement methods across different clinical settings and domains.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».