Positioning patients to partner: exploring ways to better integrate patient involvement in the learning health systems
Notice bibliographique
Résumé
Globally, health systems are increasingly striving to deliver evidence based care that improves patients', caregivers' and communities' health outcomes. To deliver this care, more systems are engaging these groups to help inform healthcare service design and delivery. Their lived experiences-experiences accessing and/or supporting someone who accesses healthcare services-are now viewed by many systems as expertise and an important part of understanding and improving care quality. Patients', caregivers' and communities' participation in health systems can range from healthcare organizational design to being members of research teams. Unfortunately, this involvement greatly varies and these groups are often sidelined to the start of research projects, with little to no role in later project stages. Additionally, some systems may forgo direct engagement, focusing solely on patient data collection and analysis. Given the benefits of active patient, caregiver and community participation in health systems on patient health outcomes, systems have begun identifying different approaches to studying and applying findings of patient, caregiver and community informed care initiatives in a rapid and consistent fashion. The learning health system (LHS) is one approach that can foster deeper and continuous engagement of these groups in health systems change. This approach embeds research into health systems, continuously learning from data and translating findings into healthcare practices in real time. Here, ongoing patient, caregiver and community involvement is considered vital for a well functioning LHS. Despite their importance, great variability exists as to what their involvement means in practice. This commentary examines the current state of patient, caregiver and community participation in the LHS. In particular, gaps in and need for resources to support their knowledge of the LHS are discussed. We conclude by recommending several factors health systems must consider in order to increase participation in their LHS. Systems must: (1) assess patients', caregivers and community understanding of how their feedback are used in the LHS and how collected data are used to inform patient care; (2) review the level and extent of these groups' participation in health system improvement activities; and (3) examine whether health systems have the workforce, capacity and infrastructure to nurture continuous and impactful engagement.
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 | 0,058 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,023 |
| Communication savante | 0,018 | 0,030 |
| Science ouverte | 0,007 | 0,026 |
| Intégrité de la recherche | 0,015 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».