MétaCan
Menu
Retour à la cohorte
Enregistrement W4401246249 · doi:10.1101/2024.08.01.24311159

A Methodological Review of Patient Healthcare-Seeking Journeys from Symptom Onset to Receipt of Care

2024· review· en· W4401246249 sur OpenAlexaff
Charity Oga‐Omenka, Angelina Sassi, Nathaly Aguilera Vasquez, Namrata Rana, Mohammad Yasir Essar, Darryl Ku, Hanna Diploma, Lavanya Huria, Kiran Saqib, Rishav Das, Guy Stallworthy, Madhukar Pai

Notice bibliographique

RevuemedRxiv · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueHealth Promotion and Cardiovascular Prevention
Établissements canadiensMcGill UniversityMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReceiptHealth carePsychologyFamily medicineMedicinePolitical scienceComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract Background For many diseases, early diagnosis and treatment are more cost-effective, reduce community spread of infectious diseases, and result in better patient outcomes. However, healthcare-seeking and diagnoses for several diseases are unnecessarily delayed. For example, in 2022, 3 million and 5.6 million people living with TB and HIV respectively were undiagnosed. Many patients never access appropriate testing, remain undiagnosed after testing or drop out shortly after treatment initiation. This underscores challenges in accessing healthcare for many individuals. Understanding healthcare-seeking obstacles can expose bottlenecks in healthcare delivery and promote equity of access. We aimed to synthesize methodologies used to portray healthcare-seeking trajectories and provide a conceptual framework for patient journey analyses. Design/Methods We conducted a literature search using keywords related to “patient/care healthcare-seeking/journey/pathway analysis” AND “TB” OR “infectious/pulmonary diseases” in PubMED, CINAHL, Web of Science and Global Health (OVID). From a preliminary scoping search and expert consultation, we developed a conceptual framework and honed the key data points necessary to understand patients’ healthcare-seeking journeys, which then served as our inclusion criteria for the subsequent expanded review. Retained papers included at least three of these data points. Results Our conceptual framework included 5 data points and 7 related indicators that contribute to understanding patients’ experiences during healthcare-seeking. We retained 66 studies that met our eligibility criteria. Most studies (56.3%) were in Central and Southeast Asia, explored TB healthcare-seeking experiences (76.6%), were quantitative (67.2%), used in-depth, semi-structured, or structured questionnaires for data collection (73.4%). Healthcare-seeking journeys were explored, measured and portrayed in different ways, with no consistency in included information. Conclusions We synthesized various methodologies in exploring patient healthcare-seeking journeys and found crucial data points necessary to understand challenges patients encounter when interacting with health systems. and offer insights to researchers and healthcare practitioners. Our framework proposes a standardized approach to patient journey research. Key Questions What is already known about this subject? Accessing healthcare is challenging for half of the world’s population. Understanding healthcare-seeking obstacles can help to expose bottlenecks in healthcare delivery and improve access. What does this study add? We synthesized the different methodologies used by researchers to portray healthcare- seeking trajectories. We also provide a conceptual framework and recommendations for patient journey analyses. How do the new findings imply? Our analysis revealed a lack of consistency in how patient journeys to care are represented and a notable complexity in generating insightful depictions of journeys to care. The use of our conceptual framework, namely the data points and indicators, could increase the reliability and generalisability patient journey analyses.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptMétarecherche
Domaine: Méthodes · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,201
Tête enseignante GPT0,470
Écart entre enseignants0,269 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Métarecherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet · Autre devis
DomaineMéthodes
GenreSynthèse

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetHealth Promotion and Cardiovascular PreventionCatégorieMétarechercheTravaux en français237 207