MétaCan
Menu
Retour à la cohorte
Enregistrement W4401267238 · doi:10.3389/fped.2024.1434074

Using a collaborative learning health system approach to improve disease activity outcomes in children with juvenile idiopathic arthritis in the Pediatric Rheumatology Care and Outcomes Improvement Network

2024· article· en· W4401267238 sur OpenAlexaff
Julia G. Harris, Catherine A. Bingham, Sheetal S. Vora, Cagri Yildirim‐Toruner, Michelle Batthish, Danielle R. Bullock, Jon M. Burnham, Danielle C. Fair, Kerry Ferraro, Suhas Ganguli, Mileka Gilbert, Beth S. Gottlieb, Olha Halyabar, Melissa M. Hazen, Ronald M. Laxer, Tzielan Lee, Alice Liu, Daniel J. Lovell, Melissa L. Mannion, Edward J. Oberle, Nancy Pan, Michael Shishov, Jennifer E. Weiss, Esi M. Morgan

Notice bibliographique

RevueFrontiers in Pediatrics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAutoimmune and Inflammatory Disorders Research
Établissements canadiensHospital for Sick ChildrenSickKids FoundationUniversity of TorontoMcMaster Children's HospitalMcMaster UniversitySt. Michael's Hospital
Organismes subventionnairesAgency for Healthcare Research and QualityChildren’s Hospital of Wisconsin Research InstituteSeattle Children's Research InstituteArthritis Foundation
Mots-clésMedicineRheumatologyJuvenileArthritisDiseasePhysical therapyInternal medicineIntensive care medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

Introduction: The Pediatric Rheumatology Care and Outcomes Improvement Network (PR-COIN) is a North American learning health network focused on improving outcomes of children with juvenile idiopathic arthritis (JIA). JIA is a chronic autoimmune disease that can lead to morbidity related to persistent joint and ocular inflammation. PR-COIN has a shared patient registry that tracks twenty quality measures including ten outcome measures of which six are related to disease activity. The network's global aim, set in 2021, was to increase the percent of patients with oligoarticular or polyarticular JIA that had an inactive or low disease activity state from 76% to 80% by the end of 2023. Methods: Twenty-three hospitals participate in PR-COIN, with over 7,200 active patients with JIA. The disease activity outcome measures include active joint count, physician global assessment of disease activity, and measures related to validated composite disease activity scoring systems including inactive or low disease activity by the 10-joint clinical Juvenile Arthritis Disease Activity Score (cJADAS10), inactive or low disease activity by cJADAS10 at 6 months post-diagnosis, mean cJADAS10 score, and the American College of Rheumatology (ACR) provisional criteria for clinical inactive disease. Data is collated to measure network performance, which is displayed on run and control charts. Network-wide interventions have included pre-visit planning, shared decision making, self-management support, population health management, and utilizing a Treat to Target approach to care. Results: Five outcome measures related to disease activity have demonstrated significant improvement over time. The percent of patients with inactive or low disease activity by cJADAS10 surpassed our goal with current network performance at 81%. Clinical inactive disease by ACR provisional criteria improved from 46% to 60%. The mean cJADAS10 score decreased from 4.3 to 2.6, and the mean active joint count declined from 1.5 to 0.7. Mean physician global assessment of disease activity significantly improved from 1 to 0.6. Conclusions: PR-COIN has shown significant improvement in disease activity metrics for patients with JIA. The network will continue to work on both site-specific and collaborative efforts to improve outcomes for children with JIA with attention to health equity, severity adjustment, and data quality.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,009
Tête enseignante GPT0,267
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PediatricsMême sujetAutoimmune and Inflammatory Disorders ResearchTravaux en français237 207