Improving Systemic Sclerosis Quality of Care
Notice bibliographique
Résumé
OBJECTIVE: Systemic sclerosis (SSc) is a multisystemic autoimmune disease with high morbidity and healthcare costs. Inconsistent quality of care delivery, including inadequate screening and monitoring, necessitates improvement. This study aimed to enhance the uptake of validated quality indicators (QIs) for SSc. METHODS: An interrupted time series study was conducted at 4 scleroderma clinics across 2 hospitals using the Model for Improvement methodology, employing Plan-Do-Study-Act (PDSA) cycles. A retrospective chart review assessed baseline frequencies of selected QIs. The primary aim was to increase rates of 7 baseline and 5 follow-up QIs to 80%. Root-cause analysis identified barriers to QI uptake, leading to interventions including provider education, equipment procurement, and care standardization with reminder systems. Real-time data tracking was facilitated through run charts. RESULTS: The average completion rate for baseline QIs increased from 48% to 83% over 8 months, with sustained improvements post-PDSA cycle 3. Monitoring and treatment QI completion improved from 40% to 77%. Process measures saw increases in completion rates: baseline spirometry and diffusing lung capacity for carbon monoxide rates improved from 63.5% to 92%, documented counseling to perform weekly blood pressure self-measurement increased from 19% to 86.6%, referrals to hand range-of-motion exercise programs rose from 54% to 92%, baseline creatine kinase measurement rates increased from 52% to 88%, and oxygen saturation documentation rose from 31% to 65%. Stakeholders reported high satisfaction (median rating of 4), with minimal additional time per patient (median 2.5 minutes). CONCLUSION: This QI study significantly improved SSc care through low-cost, applicable interventions, setting a precedent for future work on long-term sustainability and broader application in chronic disease management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».