Quality measures in pre-liver transplant care by the Practice Metrics Committee of the American Association for the Study of Liver Diseases
Notice bibliographique
Résumé
The liver transplantation (LT) evaluation and waitlisting process is subject to variations in care that can impede quality. The American Association for the Study of Liver Diseases (AASLD) Practice Metrics Committee (PMC) developed quality measures and patient-reported experience measures along the continuum of pre-LT care to reduce care variation and guide patient-centered care. Following a systematic literature review, candidate pre-LT measures were grouped into 4 phases of care: referral, evaluation and waitlisting, waitlist management, and organ acceptance. A modified Delphi panel with content expertise in hepatology, transplant surgery, psychiatry, transplant infectious disease, palliative care, and social work selected the final set. Candidate patient-reported experience measures spanned domains of cognitive health, emotional health, social well-being, and understanding the LT process. Of the 71 candidate measures, 41 were selected: 9 for referral; 20 for evaluation and waitlisting; 7 for waitlist management; and 5 for organ acceptance. A total of 14 were related to structure, 17 were process measures, and 10 were outcome measures that focused on elements not typically measured in routine care. Among the patient-reported experience measures, candidates of LT rated items from understanding the LT process domain as the most important. The proposed pre-LT measures provide a framework for quality improvement and care standardization among candidates of LT. Select measures apply to various stakeholders such as referring practitioners in the community and LT centers. Clinically meaningful measures that are distinct from those used for regulatory transplant reporting may facilitate local quality improvement initiatives to improve access and quality of 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».