MétaCan
Menu
Retour à la cohorte
Enregistrement W4362522395 · doi:10.1001/jamanetworkopen.2023.6425

Implementation of Patient-Reported Outcome Measures for Gender-Affirming Care Worldwide

2023· review· en· W4362522395 sur OpenAlexaff
Rakhshan Kamran, Liam Jackman, Cynthia Chan, Yujin Suk, Chloë Jacklin, Eve Deck, Nina Wietek, Melissa Stepney, Conrad Harrison, Abhilash Jain, Jeremy Rodrigues

Notice bibliographique

RevueJAMA Network Open · 2023
Typereview
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensWestern UniversityUniversity of OttawaMcMaster UniversityUniversity of Toronto
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésPromCINAHLPsycINFOPatient-reported outcomeGrey literatureMEDLINETransgenderCritical appraisalMedicinePsychologyNursingMedical educationFamily medicineQuality of life (healthcare)Alternative medicinePolitical sciencePsychological intervention

Résumé

récupéré en direct d'OpenAlex

Importance: Gender-affirming care is a key clinical area that can benefit from implementation of patient-reported outcome measures (PROMs). Identifying barriers to and enablers of PROM implementation is needed to develop an evidence-based implementation strategy. Objective: To identify (1) PROMs previously implemented for gender-affirming care and constructs measured, (2) how patients completed PROMs and how results were reported and used, and (3) barriers to and enablers of PROM implementation. Evidence Review: In this systematic review, PubMed, Embase, MEDLINE, PsycINFO, CINAHL, and Web of Science were searched from inception to October 25, 2021, and updated on December 16, 2022. Gray literature was searched through gray literature database, online search engine, and targeted website searching. Inclusion criteria were (1) original articles of (2) a formally developed PROM or ad hoc instrument administered for gender-affirming care to (3) patients accessing gender-affirming care. The Critical Appraisal Skills Programme tool was used to evaluate quality of included studies. This review was registered on PROSPERO (CRD42021233080). Findings: In total, 286 studies were included, representing 85 395 transgender and nonbinary patients from more than 30 countries. A total of 205 different PROMs were used in gender-affirming care. No studies described using an implementation science theory, model, or framework to support PROM deployment. Key barriers to PROM implementation included issues with evidence strength and quality of the PROM, engaging participants, and PROM complexity. Key enablers of PROM implementation included using PROMs validated for gender-affirming care, implementing PROMs able to be deployed online or in person, implementing PROMs that are shorter and reduce patient burden, engaging key stakeholders and participants as part of developing an implementation plan, and organizational climate. Conclusions and Relevance: In this systematic review of barriers to and enablers of PROM implementation in gender-affirming care, PROM implementation was inconsistent and did not follow evidence-based approaches in implementation science. There was also a lack of patient input in creating implementation strategies, suggesting a need for patient-centered approaches to PROM implementation. Frameworks created from these results can be used to develop evidence-based PROM implementation initiatives for gender-affirming care and have potential generalizability for other clinical areas interested in implementing PROMs.

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)0,149
score de la tête « metaresearch » (Gemma)0,303
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,790

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1490,303
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,327
Tête enseignante GPT0,527
Écart entre enseignants0,200 · 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
GenreSynthèse

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

En bref

Citations57
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetLGBTQ Health, Identity, and PolicyTravaux en français237 207