MétaCan
Menu
Retour à la cohorte
Enregistrement W4317878298 · doi:10.1370/afm.21.s1.4274

Tools to Regularly Measure Function for Adult Patients in Primary Care

2023· article· en· W4317878298 sur OpenAlexaboutno aff
Gregory Cutforth, Catherine Donnelly, Deanne Taylor

Notice bibliographique

RevueHealthcare informatics · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Delphi methodHealth careMeasure (data warehouse)MedicineSet (abstract data type)Computer scienceData miningArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Context: Canada is investing in initiatives to improve primary care. To measure their impact, performance measurement systems require a comprehensive set of health indicators. To date, most primary care health indicators measure process of care, disease, and health service utilization, with a gap in measures of health outcomes. Function is a measure of patient health that could measure outcomes. Regularly measuring function in primary care has had limited success. For primary care teams to implement and use measures of function, they need to be appropriate (i.e. timely, meaningful and credible) and to be feasible in primary care. Objectives: To identify the most appropriate and feasible measures of function, for adult patients, that can be used as health indicator(s) in primary care. Design: Classic Delphi Setting: Primary care in Canada Population Studied: Expert panel: 12 Canadian academic leaders, with expertise/experience in team-based care, primary care, patient function, and/or performance measurement. Intervention: Rounds 1-3 identified potential measures of function and sought consensus on a finite set of (4-5) measures. Round 4 measured levels of agreement on the appropriateness and feasibility of using 5 patient-reported health measures (SF-36, SF-12, EQ-5D-5L, WHODAS 2.0, and WHOQOL BREF) to measure function in primary care. Outcome Measures: Round 1-3: Percent of respondents that would keep, modify, or remove a proposed measure with consensus set at 75%. Round 4: The percent of respondents that rated, on a 5-point Likert scale, the appropriateness and utility of the 5 measures, and the percent of respondents who ranked the measures from 1 (best) to 5 (worst). Results: Round 1-3: 41 potential measures were identified representing the 3 ICF domains. Consensus was reached to remove 13 measures with no consensus achieved for the remaining 28. Round 4: Measures rated the highest for appropriateness were the SF-12 (80%) and the SF-36 (70%). Measures rated the highest for feasibility were the SF-12 (100%) and the EQ-5D-5L (90%). Measures with the highest overall rankings were the SF-12 (90%) and the EQ-5D-5L (60%). Conclusions: Measuring function is complex with all domains of function deemed important to measure. All 5 patient-reported health measures were deemed at least slightly appropriate and feasible. The SF- 12 was shown to be the most appropriate and feasible measure of function that could be used as a health indicator in primary care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,059
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0590,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0030,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,072
Tête enseignante GPT0,389
Écart entre enseignants0,317 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare informaticsMême sujetPrimary Care and Health OutcomesTravaux en français237 207