Canadian Rheumatology Association Guidance for Developing and Endorsing Quality Measures to Support Learning Health Systems
Notice bibliographique
Résumé
OBJECTIVE: To review methods for developing and endorsing quality measures (QMs) to inform a national quality measurement framework for rheumatology care in Canada. METHODS: We conducted a rapid environmental scan of QM development organizations from Canada, the United Kingdom, the United States, and Australia. Major phases in the development of QMs were abstracted. The results were reviewed and synthesized with members of the Canadian Rheumatology Association (CRA) Digital Measurement Subcommittee through iterative review across 3 virtual meetings. The guidance was approved at the committee and the CRA board level. RESULTS: Five key steps in the measure development cycle are proposed: conceptualization and prioritization, measure specification development, testing and validation, implementation and reporting, and continuous evaluation and maintenance. Foundational to all phases is the engagement of individuals from diverse backgrounds with lived experience of disease, healthcare providers, quality measurement scientists, and partner organizations. Measures should be aligned with domains of quality (effectiveness, efficiency, equity, patient-centeredness, safety and timeliness of care delivery) and be developed transparently. Endorsement of future QMs should, at minimum, prioritize relevance/importance, validity, feasibility, and acceptability and use/usability. CONCLUSION: This guidance document establishes a comprehensive and relevant framework for the development and/or endorsement of QMs in Canadian rheumatology care. This framework will permit streamlining of future quality improvement efforts at the national level.
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 | 0,194 | 0,354 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,010 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».