MétaCan
Menu
Retour à la cohorte
Enregistrement W4399277564 · doi:10.2196/55667

Clinical Acceptability of a Quality Improvement Program for Reducing Cardiovascular Disease Risk in People With Chronic Kidney Disease in Australian General Practice: Qualitative Study

2024· article· en· W4399277564 sur OpenAlexvenueno aff
Caroline McBride, Barbara Hunter, Natalie Lumsden, Kaleswari Somasundaram, Rita McMorrow, Douglas Boyle, Jon Emery, Craig Nelson, Jo‐Anne Manski‐Nankervis

Notice bibliographique

RevueJMIR Human Factors · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)WorkflowKidney diseaseDashboardMedicineQualitative researchQuality managementRandomized controlled trialIntervention (counseling)Medical educationNursingFamily medicineComputer scienceSurgeryData scienceOperations managementEngineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Future Health Today (FHT) is a technology program that integrates with general practice clinical software to provide point of care (PoC) clinical decision support and a quality improvement dashboard. This qualitative study looks at the use of FHT in the context of cardiovascular disease risk in chronic kidney disease (CKD). Objective: This study aims to explore factors influencing clinical implementation of the FHT module focusing on cardiovascular risk in CKD, from the perspectives of participating general practitioner staff. Methods: Practices in Victoria were recruited to participate in a pragmatic cluster randomized controlled trial using FHT, of which 19 practices were randomly assigned to use FHT's cardiovascular risk in CKD program. A total of 13 semistructured interviews were undertaken with a nominated general practitioner (n=7) or practice nurse (n=6) from 10 participating practices. Interview questions focused on the clinical usefulness of the tool and its place in clinical workflows. Qualitative data were coded by 2 researchers and analyzed using framework analysis and Clinical Performance Feedback Intervention Theory. Results: All 13 interviewees had used the FHT PoC tool, and feedback was largely positive. Overall, clinicians described engaging with the tool as a "prompt" or "reminder" system. Themes reflected that the tool's goals and clinical content were aligned with clinician's existing priorities and knowledge, and the tool's design facilitated easy integration into existing workflows. The main barrier to implementation identified by 2 clinicians was notification fatigue. A total of 7 interviewees had used the FHT dashboard tool. The main barriers to use were its limited integration into clinical workflows, such that some participants did not know of its existence; clinicians' competing clinical priorities; and limited time to learn and use the tool. Conclusions: This study identified many facilitators for the successful use of the FHT PoC program, in the context of cardiovascular risk in CKD, and barriers to the use of the dashboard program. This work will be used to inform the wider implementation of FHT, as well as the development of future modules of FHT for other risk or disease states.

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)0,026
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,038
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,006
Communication savante0,0030,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,566
Écart entre enseignants0,450 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetElectronic Health Records SystemsTravaux en français237 207