A methodological review of patient healthcare-seeking journeys from symptom onset to receipt of care
Notice bibliographique
Résumé
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 tuberculosis (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 synthesise 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 five data points and seven 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, semistructured 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 synthesised 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 standardised approach to patient journey research.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | high |
| gpt | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | medium |
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 | 0,125 | 0,345 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,014 |
| Bibliométrie | 0,039 | 0,051 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».