MétaCan
Menu
Retour à la cohorte
Enregistrement W6891263539 · doi:10.3899/jrheum.2025-0314.119

An Advanced Physiotherapist Practitioner’s Level of Safety Performing Juvenile Idiopathic Arthritis Care (Applejac) - Comparing Key Performance Indicators with the PR-COIN Registry

2025· article· en· W6891263539 sur OpenAlexaffvenueabout

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAutoimmune and Inflammatory Disorders Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPerformance indicatorArthritisRheumatologyDocumentationJuvenileQuality managementRetrospective cohort studyPatient safety

Résumé

récupéré en direct d'OpenAlex

Objectives The advanced physiotherapist practitioner (APP) model of care (MOC) has existed for 20 years in Canada in pediatric rheumatology.[1] The APP manages children with juvenile idiopathic arthritis (JIA) in shared care models with pediatric rheumatologists. The extent to which the quality of care these children receive from an APP compared to a physician is unknown. The PR-COIN network tracks quality, safety and access key performance indicators (KPIs) in JIA care.[2] This study aimed to analyze the frequency and outcomes of KPI’s documented in an APP MOC for management of JIA, and compare these findings to PR-COIN to assess quality, safety and access of care. Methods A retrospective chart review of JIA cases managed by 1 APP at a tertiary pediatric rheumatology clinic between June 2022 to May 2024 was conducted. Quality KPIs included active joint count, pain score, physician and patient global assessment, cJADAS, physical function and QoL measures. Safety KPIs included TB and uveitis screening, and lab monitoring. Access was measured by documentation of at least 1 visit in 12 months.[2,3] Documented frequency of KPIs and their outcomes by the APP were compared with PR-COIN data from same center (SC) (3 rheumatologists) and PR-COIN (16 centers). Results The APP saw 33 unique patients with 1-8 visits each totaling 138 eligible visits. The SC saw 73 unique patients and PR-COIN saw 4,297 for a total of 151 and 12,162 eligible visits respectively. Gender (F:61-69%) was similar among all groups; Mean (SD) age of patients with APP was 9.3 years (4.7), SC 12.4 (4.5) and PR-COIN 13.3 (5.1). Most common JIA subtype for all groups was oligoarticular persistent (26-33%). 9.1% of patients seen by the APP had Polyarticular RF+ compared to SC and PR-COIN (1.6%,5.0%). 18% of patients seen by the APP had Psoriatic Arthritis compared to SC and PR-COIN (1.7%;9.2%). All KPI frequency thresholds were exceeded in the APP cohort and were comparable or higher to other groups (Table 1). Cases achieving low disease activity (cJADAS <3) was 55% for the APP and (74.4%;63.2%) for SC and PR-COIN, respectively. The APP had 71% of visits with pain rating of <1 compared to the SC and PR-COIN (69%;56%). Table 1 Thresholds of Key Performance Indicators in Juvenile Idiopathic Arthritis care compared to documented frequency of APP MOC, Same Center care and PRCOIN registry Conclusion The pediatric rheumatology APP MOC meets and exceeds quality, safety and access standards of care with comparable outcomes to JIA care by pediatric rheumatologists. Next steps include replicating this study in other pediatric rheumatology centers with an APP MOC. [1.] Lundon K. ACR Open Rheumatol 2020;2(4):242-50. [2.] Lovell DJ. Arthritis Care Res (Hoboken) 2011;63(1):10-6. [3.] Cooper SM. Pediatr Rheumatol Online J 2023;21(1):37.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,294
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetAutoimmune and Inflammatory Disorders ResearchTravaux en français237 207