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 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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».