Implementing a Patient and Family Experience Questionnaire in a Regional Stroke Prevention Clinic : Outcomes and Lessons Learned
Notice bibliographique
Résumé
Background The Toronto Stroke Networks worked closely with stroke survivors and their families to co-design a novel patient and family experience questionnaire (PFEQ) to reflect experience across the stroke system of care. The PFEQ provides a deeper understanding of emotional experiences compared to generic satisfaction surveys. In order to capture overall stroke-specific experiences across the continuum of care, this project aimed to implement and evaluate the administration of the PFEQ in a regional stroke prevention clinic (SPC).MethodImplementation was co-designed with six SPC staff. Feedback loops supported an iterative the process for administering the PFEQ to stroke patient/family members. Using thematic analysis, qualitative themes related to lessons learned and patient experiences will be abstracted from staff interviews and completed questionnaires.ResultsSPC staff co-developed the following principles for implementation: 1) administration of the PFEQ by administrative staff when possible; 2) discussion of the PFEQ with stroke patients/family members during their appointment with the SPC nurse; and 3) ensuring that the administration process is iterative and aligns with SPC processes. Within the first two weeks, 20 PFEQs have been completed with no negative feedback from patients, family members or staff. Results of thematic analysis are pending. Conclusions A collaborative and iterative implementation approach allowed for timely uptake and use of a PFEQ in a regional SPC. Further analyses from interviews will identify additional recommendations to support sustainability and spread of the PFEQ to other stroke clinics. Results from the PFEQ will be used to inform stroke system planning
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 validéePrédiction automatique; les deux têtes enseignantes 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 ».