Applying the lessons of design thinking: a unique programme of care for acutely unwell, community-dwelling COVID-19 patients
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic limited access to primary care and in-person assessments requiring healthcare providers to re-envision care delivery for acutely unwell outpatients. Design thinking methodology has the potential to support the robust evolution of a new clinical model. AIM: To demonstrate how design thinking methodology can rapidly and rigorously create and evolve a safe, timely, equitable and patient-centred programme of care, and to share valuable lessons for effective implementation of design thinking solutions to address complex problems. METHOD: We describe how design thinking methodology was employed to create a new clinical model of care. Using the example of a novel telemedicine programme to support acutely unwell, community-dwelling COVID-19-positive patients called the London Urgent COVID-19 Care Clinic (LUC3), we show how continuous quality outcomes (safety, timeliness, equity and patient-centredness), as well as patient experience survey responses, can drive iterative changes in programme delivery. RESULTS: The inspiration phase identified four key needs for this patient population: monitoring COVID-19 signs and symptoms; self-managing COVID-19 symptoms; managing other comorbidities in the setting of COVID-19; and escalating care as needed. Guided by these needs, a cross-disciplinary stakeholder group was engaged in the ideation and implementation phases to create a unique and comprehensive telemedicine programme (LUC3). During the implementation phase, LUC3 assessed 2202 community-based patients diagnosed with acute COVID-19; the collected quality outcomes and end-user feedback led to evolution of programme delivery. CONCLUSION: Design thinking methodology provided an essential framework and valuable lessons for the development of a safe, equitable, timely and patient-centred telemedicine care programme. The lessons learnt here-the importance of inclusive collaboration, using empathy to guide equity-focused interventions, leveraging continuous metrics to drive iteration and aiming for good-if-not-perfect plans-can serve as a road map for using design thinking for targeted healthcare problems.
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 | 0,052 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,014 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».