Élaboration d’indicateurs de qualité pour soutenir la gestion des maladies chroniques
Bibliographic record
Abstract
Introduction : Cet article présente le résultat de la démarche suivie par l’Institut national d’excellence en santé et en services sociaux du Québec pour élaborer des indicateurs de qualité de la prise en charge de six maladies chroniques fréquentes. Méthodes : Les indicateurs furent générés à partir d’une révision des guides de pratique clinique et des sites d’organismes nationaux ayant élaboré des indicateurs. Des groupes interdisciplinaires d’experts évaluèrent la validité et la rigueur scientifique des indicateurs et des représentants de patients souffrant d’une de ces maladies (N = 19) et de professionnels (N = 29) furent consultés sur leur pertinence et acceptabilité. Les indicateurs ont été catégorisés en fonction du Modèle de gestion des maladies chroniques. Résultats : Un total de 164 indicateurs ont été élaborés, 126 portent spécifiquement sur les maladies à l’étude et 38 sur des processus et résultats génériques de gestion des maladies chroniques. On remarque une bonne convergence entre les patients et les professionnels sur la pertinence d’une majorité d’indicateurs. Les professionnels ont émis des réserves sur les indicateurs mesurant l’expérience de soins des patients sous forme de questionnaires, les jugeant trop subjectifs. Discussion : L’importance accordée aux guides de pratique a eu pour conséquence une hypertrophie relative du nombre des indicateurs à caractère plus technique. Le recours au Modèle de gestion des maladies chroniques a contribué à enrichir l’éventail des indicateurs. Les consultations ont permis de mieux comprendre certaines réserves des professionnels quant à certains indicateurs ce qui contribuera à faciliter le travail d’appropriation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".