MétaCan
Menu
Retour à la cohorte
Enregistrement W4404807455 · doi:10.1370/afm.22.s1.6817

Primary care severe asthma registry project-phase 1: e-Delphi results for registry entry and indices of clinician behaviour

2024· article· en· W4404807455 sur OpenAlexaboutno aff
Ijeoma Itanyi, Katrina D’Urzo, Gurnoor Brar, Karen Tu, Kenneth R. Chapman, Susan Waserman, Tony D’Urzo

Notice bibliographique

RevueThe Annals of Family Medicine · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAsthmaPrimary careMedicinePatient registryDelphi methodDelphiFamily medicinePediatricsComputer scienceInternal medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<h3>Context:</h3> A severe asthma registry in primary care is needed to determine the population prevalence and best practices in the real world. <h3>Objective:</h3> To establish consensus on a) a definition of severe asthma, b) criteria for severe asthma registry entry and c)indices of clinician behaviour. <h3>Study Design and Analysis:</h3> We conducted an e-Delphi panel in four rounds. We used open-ended survey in Round 1 to identify potential items to be considered as criteria for consensus items (a, b and c) above. A 5-point Likert scale from strongly disagree to strongly agree was used for voting on these items in Rounds 2 and 3. Criteria which had ≥80% votes on neutral, agree or strongly agree entered the next round. Consensus criteria were established at the end of Round 3. In Round 4, panelists categorized these criteria as core, desired or optional data elements. <h3>Setting or Dataset:</h3> The University of Toronto Practice-based and Learning Research Network (UPLEARN) in Ontario, Canada, comprises ~400 primary care physicians contributing data on ~400,000 patients. <h3>Population Studied:</h3> Family physicians, respirologists, allergists, respiratory therapists, and respiratory researchers from within and outside of UPLEARN were purposively sampled to participate on the e-Delphi panel. <h3>Outcome measures:</h3> Consensus definition of severe asthma and criteria for assessing clinician behaviour index (CBI) and entering patients into the severe asthma registry. <h3>Results:</h3> After three e-Delphi rounds, experts achieved consensus on two definitions of severe asthma, 14 of 16 survey items for CBI and 10 of 11 items for registry entry criteria. 11 of 13 consensus criteria for CBI and 4 of 10 items for registry entry were voted as core data elements and are deemed feasible to be abstracted from electronic medical records (EMR). <h3>Conclusions:</h3> Expert consensus criteria have been developed for assessing clinician behaviour in asthma management and for entering patients into a primary care severe asthma registry.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,695

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,412
Tête enseignante GPT0,559
Écart entre enseignants0,147 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annals of Family MedicineMême sujetDelphi Technique in ResearchTravaux en français237 207