Beenden Sie die diagnostische Überschattung: Bewältigung des Ableismus in Diagnosen (EDO)

Ziel 1: Identifizieren und Verständnis für die Mechanismen schaffen, die der diagnostischen Überschattung zugrunde liegen.

Eine grundlegende Prüfung der CPT-Code-Nutzung bei Patienten im Alter von 3 bis 89 Jahren mit und ohne bestimmte Behinderungen.

Die Hypothese ist, dass es statistische Unterschiede bei der Verwendung von CPT-E/M-Codes zwischen Menschen mit den angegebenen Behinderungen und Menschen ohne die angegebenen Behinderungen geben wird.

2) Die Ermittler führen auch manuelle Diagrammüberprüfungen zu Menschen mit Behinderungen mit niedrigeren und höheren CPT-E/M-Codes durch, die sich mit demografischen Merkmalen befassen: Altersstufen, Geschlecht, Rasse/ethnische Zugehörigkeit, Stadt/Land, Komorbiditäten, Art der Behinderung, Art der Versicherung und Schweregrad der Krankheit [relevant für den Standort]) und die folgenden 10 von den Interessenvertretern vorgeschlagenen Probleme: beteiligte Pflegekraft, Verlegung/Überweisung von einer anderen Einrichtung, mündlich, Anzahl und Art der Komorbidität, alle abgelehnten Tests, Besuche/Einweisungen in der Vorgeschichte wegen desselben Problems, laufende Verwendung medizinischer Geräte, Verwendung chemischer oder physikalischer Einschränkungen bei Besuchen und Aufnahmen, traumatische Vorgeschichte und negative Deskriptoren (15 Begriffe, bei denen schwarze gegenüber weißen Patienten ein höheres Chancenverhältnis für die Verwendung in Krankenakten hatten).

Die Hypothese besteht darin, dass Informationen entwickelt werden, die bei der Entwicklung von Mock-Tracern und im partizipativen Planungs- und Entscheidungsfindungsprozess verwendet werden können, um Themen zu identifizieren, die einer diagnostischen Überschattung zugrunde liegen könnten.

3) Basierend auf festgestellten Unterschieden bei Basisprüfungen der Verwendung von CPT-E/M-Codes und anschließenden Diagrammüberprüfungen werden die Ermittler gezielte Interviews mit Mitarbeitern führen und anschließend mit Interessenvertretern nachfassen, um individuelle Mock-Tracer im Stil einer Gemeinsamen Kommission zu entwickeln, die verfolgt werden sollen die Pflege der oben aufgeführten spezifischen Populationen von Menschen mit Behinderungen und entwickeln ein System von Pflege-Tracern, die sich auf die Bewertung des Systems rund um diagnostische Überschattung, einschließlich traumainformierter Pflege, konzentrieren.

Die Hypothese ist, dass ausreichend Informationen entwickelt werden, um Schein-Tracer zu entwickeln, die der Betreuung spezifischer Populationen von Menschen mit Behinderungen und Systemen von Care-Tracern folgen.

Ziel 2: Gemeinsame Erstellung eines Rahmens von Themen, die der diagnostischen Überschattung von DO zugrunde liegen, um Algorithmen zur Identifizierung von Patienten mit den angegebenen Behinderungen zu entwickeln, bei denen ein Risiko für DO besteht; Anschließend erstellen Sie gemeinsam Fallstudien für die Schulung zu DO- und EHR-Eingabeaufforderungen, Warnungen und Entscheidungsunterstützungen im Zusammenhang mit den Algorithmen sowie Schulungen zu den EHR-Materialien.

Die Hypothese besteht darin, dass Informationen entwickelt werden, die zur Entwicklung von Algorithmen zur Identifizierung von Menschen mit Behinderungen aus den spezifischen Populationen mit DO-Risiko verwendet werden können, wie durch die Verwendung von CPT-E/M-Codes und DE als Beweis für die Zeit bis zur diagnostischen Bewertung nachgewiesen.

Ziel 3: Bewertung auf Veränderungen nach der Implementierung von Algorithmen zur Identifizierung von Patienten mit den angegebenen Behinderungen, bei denen ein DO-Risiko besteht.

Die Hypothesen gehen davon aus, dass sich die Verwendung des CPT-E/M-Codes für Menschen mit Behinderungen in den angegebenen Populationen statistisch ändern wird.

Datenauswertung. CPT-Codes wurden von der American Medical Association entwickelt und werden regelmäßig überarbeitet und gewartet. CPT-Codes sind die universelle Möglichkeit, mit der Anbieter ihre Leistungen dokumentieren und standardisierte Berichte bereitstellen, die für die Abrechnung und Erstattung von Gesundheitsdienstleistern, einschließlich Ärzten, Krankenpflegern, Arzthelferinnen und anderen Fachkräften, erforderlich sind. Das System bietet numerische Codes für Probleme wie: 1. Der Ort der Dienstleistung (z. B. Notaufnahme, stationäre, ambulante, präventive Dienste); 2. Die erbrachte Dienstleistung; 3. Die Komplexität der klinischen Informationsbeschaffung und Entscheidungsfindung und 4) der Zeitaufwand. Jede Einstellung verfügt über eine spezifische Gruppe von CPT-E/M-Codes, die von der niedrigsten Zeit und Komplexität der Entscheidungsfindung bis zur höchsten Zeit und Komplexität der Entscheidungsfindung reichen.

Die Inzidenz in den Gruppen von Patienten mit spezifischen Behinderungen wird für Diagnosen berechnet, bei denen festgestellt wurde, dass in der Allgemeinbevölkerung ein hohes Risiko für Diagnosefehler besteht, und für Diagnosen, bei denen festgestellt wurde, dass Diagnosefehler bei Kindern problematisch sind. Die Inzidenz wird anhand der primären oder sekundären ICD 10-Diagnosecodes in der Datenbank für Folgendes berechnet: Aortenaneurysma und -dissektion, arterielle Thromboembolie, venöse Thromboembolie, Herzinsuffizienz, Schlaganfall, Myokardinfarkt, Wirbelsäulenabszess, Meningitis und Enzephalitis, Endokarditis, Sepsis, Lungenentzündung, Lungenkrebs, Melanom, Darmkrebs, Brustkrebs, Prostatakrebs.

Mit Schwerpunkt auf Pädiatrie: Arterieller ischämischer Schlaganfall, Blinddarmentzündung, Asthma, Netzhautblastom, Gehirntumor, Polyateritis, angeborene Herzkrankheit, Duchense-Muskeldystrophie, entzündliche Darmerkrankung, Sklerodermie.

Demografische Informationen zu Diagnosen liefern Hintergrundinformationen für die folgenden Prozesse.

Qualitätssicherung Die Gemeinsame Kommission hat Schein-Tracer entwickelt, die bei der Vorbereitung auf Akkreditierungsbesuche und für laufende Qualitätssicherungs- und berufliche Weiterentwicklungsbemühungen verwendet werden können. Schein-Tracer liefern Informationen über Patientenerfahrungen, Qualität der Pflege, Gesundheitsprozesse und -produkte sowie Bereiche, die verbessert werden müssen. Tracer umfassen Einzel- und Kleingruppeninterviews sowie die Durchsicht von Patientenakten und Formularen. In diesem Projekt konzentrieren sich die Fragen auf Prozesse und Überlegungen bei der Beurteilung und Behandlung von Patienten. Auf der Grundlage der Antworten wird eine tiefergehende Untersuchung erwartet.

EHR-Eingabeaufforderungen und -Warnungen Die Phase des Diagnoseprozesses erfordert unterschiedliche klinische Entscheidungsunterstützungen. Darüber hinaus erfordern seltene Erkrankungen spezifische Unterstützung. Durch Standardauftragssätze, Warnungen und Erinnerungen sowie andere Mittel zur diagnostischen Unterstützung (z. B. Website) können Ärzte einfacher auf Leitlinien zugreifen.

Algorithmen. Algorithmen werden verwendet, um Diagnosefehler zu beheben, z. B. um Patienten zu identifizieren, bei denen das Risiko verzögerter Testergebnisse besteht; Verzögerungen bei der Nachverfolgung der Ergebnisse von Thorax-Bildgebungstests auf Hypothyreose und verzögerte/übersehene Diagnosen im Zusammenhang mit Bauchschmerzen. In einer randomisierten klinischen Studie wurden Algorithmen verwendet, um prospektiv Patienten zu identifizieren, bei denen ein hohes Risiko für eine verzögerte/fehlende Diagnose von Lungen-, Darm- oder Prostatakrebs besteht. Die Zeit bis zur diagnostischen Beurteilung wurde in der Interventionsgruppe im Vergleich zur Kontrollgruppe bei Darm- und Prostatakrebs, nicht jedoch bei Lungenkrebs, deutlich verkürzt.

Koproduktion von Gesundheitsprogrammen Die Einbeziehung betroffener Personen in die Koproduktion von Diensten, die sie betreffen, gilt als ethisches Problem im Gesundheitswesen und geht über die traditionelle Dichotomie zwischen Wissen und Programmentwicklern und -nutzern hinaus. Bei der Koproduktion geht es darum, die Zusammenarbeit von Menschen aus betroffenen Gruppen bei der Produktion und Nutzung von Wissen und Programmen von Beginn des Prozesses an aufzubauen (Abbildung 1). Die Beteiligung von Menschen mit Behinderungen, die von Forschungsergebnissen und Programmplanung betroffen sind, beschränkt sich häufig auf die Bereitstellung von Beiträgen, nachdem wichtige Entscheidungen bereits getroffen wurden, und nicht während des gesamten Prozesses. Die beginnenden Arbeiten zur Einbindung von Menschen mit IDD in die Koproduktion von Programmen zur Verhaltensgesundheit zeigten jedoch Verbesserungen in den sozialen Netzwerken und das Vertrauen in die Teilnahme. Darüber hinaus wurde die Koproduktion bei der Entwicklung eines Rahmenwerks zur Verbesserung der Gesundheitsqualität genutzt. Bei der Koproduktion werden die Ermittler mit beteiligten Interessengruppen zusammenarbeiten, um Voreingenommenheit bei der Entwicklung von Algorithmen und anderen Materialien zu reduzieren.

Partizipative Planung und Entscheidungsfindung (PPDM). PPDM ist ein Modellbildungsprozess, der auf Prinzipien der partizipativen Aktionsforschung basiert. Es ist darauf ausgelegt, dass Gruppen über mehrere Alternativen urteilen und die Bedeutung abwägen, die jede dieser Alternativen im Hinblick auf das gewünschte Ergebnis spielt. Der Prozess erfordert zunächst, dass die Teilnehmer breite Domänen/Themen und Subdomänen/Unterthemen identifizieren oder bestätigen, die zum untersuchten Phänomen beitragen. Nach der Identifizierung der Themen und Unterthemen werden ihnen jeweils Wichtigkeitsgewichte zugewiesen und anschließend proportionale Wichtigkeitsgewichte abgeleitet. Es gibt acht grundlegende Phasen des PPDM-Prozesses, beginnend mit Vorbefragungen zu den ersten Themen, über die Präsentation der Teilnehmer, Treffen zu den Themen bis hin zur Präsentation eines endgültigen Themenmodells für die Teilnehmer. Basierend auf umfassenden Beiträgen von Mitgliedern verschiedener Gruppen und Gemeinschaften haben Mitarbeiter des University of Minnesota Institute on Community Integration diesen Prozess erfolgreich genutzt, um konzeptionelle Rahmen für Selbstbestimmung und Gesundheitskoordination zu entwickeln und die Home and Community-Richtlinien des National Quality Forum zu verfeinern. basierendes Service-Outcome-Measurement-Framework. Diese Bemühungen haben zu Frameworks mit hohem Inhalt sowie gleichzeitiger und prädiktiver Gültigkeit geführt. Der Einsatz des PPDM-Modells und der PPDM-Prozesse ermöglicht es, bei der Entwicklung gezielter Bildungsprogramme und EHR-Entscheidungsunterstützungen einer vielfältigen Gruppe von Stimmen Gehör zu verschaffen und sicherzustellen, dass die Materialien den Bedürfnissen der verschiedenen Gruppen entsprechen. Bei der Koproduktion von Algorithmen als Mittel zur retrospektiven Überprüfung zur Qualitätssicherung und zur prospektiven Verwendung zur Identifizierung von Patienten mit Behinderungen, bei denen das Risiko einer diagnostischen Überschattung/eines diagnostischen Fehlers besteht, wird erwartet, dass der PPDM-Prozess bei der Beseitigung von Verzerrungen in Materialien nützlich sein wird.

STUDIENENDPUNKTE:

Primär Im 5. Jahr im Vergleich zum 1. Jahr wird die Verwendung des CPT-E/M-Codes bei den fünf identifizierten Gruppen von Menschen mit Behinderungen (quantitativ) auf Änderungen nach der Implementierung von Algorithmen zur Identifizierung von Menschen mit Behinderungen mit DO-Risiko zusammen mit EHR-Entscheidungsunterstützungen bewertet und Aufforderungen/Benachrichtigungen zu bestimmten Problemen. Statistische Änderungen sind zu erwarten.

Bildungsprogramme werden evaluiert durch 1) vor- und nachträgliche Wissensüberprüfungen der Nutzung und 2) beschreibende Daten zur Nutzung spezifischer EHR-Entscheidungsunterstützungen. Statistische Veränderungen im Wissen werden erwartet.

Die Vor- und Nachbereitungszeit bis zur diagnostischen Bewertung ist für 2–3 Probleme geplant, die noch festgelegt werden müssen, um verspätete/übersehene Diagnosen zu beheben. Die Zeit bis zur diagnostischen Beurteilung wird sich voraussichtlich verkürzen.

Sekundär Für quantitative Messungen (CPT E/M-Code-Nutzungsanalyse, Wissensüberprüfungen, beschreibende Daten zur Verwendung von EHR-Entscheidungsunterstützungen und Eingabeaufforderungen/Benachrichtigungen) wird ANCOVA verwendet, um Interaktionseffekte mithilfe von Vortestmessungen zu untersuchen: Alterserhöhungen, Geschlecht, Rasse/ethnische Zugehörigkeit, Stadt/Land, Komorbiditäten, Art der Behinderung, Art der Versicherung und Schwere der Erkrankung [relevant für den Standort]) und die 10 von den Interessenvertretern vorgeschlagenen Themen (einzeln oder in Kombination) als Kovariaten und Bewertung der Variation im Post -Testergebnisse. Interaktionseffekte sind zu erwarten.

Die endgültigen Schein-Tracer werden am Ende des 4. und im 5. Jahr durchgeführt. Tracer-Notizen werden anhand einer qualitativen Analyse mit Notizen vor dem Eingriff verglichen. Änderungen liefern Kontext für alle Änderungen der quantitativen Maße.

Rahmen Das Collective Impact Model für sozialen Wandel ist der organisatorische Rahmen für dieses Projekt. Mehrere betroffene Gruppen werden zum Problem der diagnostischen Überschattung herangezogen. Frühere Bemühungen zur Entwicklung von Algorithmen zur Identifizierung von Patienten mit einem hohen Risiko für Diagnosefehler haben sich nicht speziell mit der diagnostischen Überschattung von Patienten mit Behinderungen befasst und haben sich bisher nicht mit der Intersektionalität befasst. Das Collective-Impact-Modell wurde bisher nicht zur Bewältigung diagnostischer Überschattung oder des Gesamtproblems von Diagnosefehlern eingesetzt. Die folgenden fünf Grundsätze müssen erfüllt sein, um die Organisation und Planung mit mehreren betroffenen Gruppen für ein Collective Impact-Projekt zu erleichtern: 1) Erreichen einer gemeinsamen Agenda; 2) Gewährleistung einer kontinuierlichen Kommunikation; 3) Identifizierung gemeinsamer Messstrategien; 4) Einsatz sich gegenseitig verstärkender Aktivitäten zur Bereitstellung von Programmen und Dienstleistungen, die das beabsichtigte Ergebnis der Collective Impact-Bemühungen erreichen; und 5) die Beschäftigung eines engagierten Personals als Rückgrat. Bei der Partnerschaft muss darauf geachtet werden, die Erfahrungen und Stimmen aller betroffenen Gruppen einzubringen.

Aufbau von Organisationsstrukturen mithilfe des Collective-Impact-Modells In den ersten sechs Monaten treffen sich die Mitglieder des Forschungsteams mindestens einmal im Monat, um das Team zu festigen, neues Personal einzustellen und Strukturen auf der Grundlage des Collective-Impact-Modells zu schaffen. Es werden ein sektorübergreifender Partnerschafts-Lenkungsausschuss, der Cross-Disability Advocate Advisory Committee und drei Aktionsnetzwerke des Konsortiums (Kommunikation, Messung, Bildung) organisiert. Der Lenkungsausschuss und der Cross-Disability Advocate Committee übernehmen die Gesamtverantwortung für die Entwicklung einer gemeinsamen Agenda (Collective Impact Tenet 1). Durch kontinuierliche Kommunikation werden Praktiken entwickelt, die das Verständnis diagnostischer Überschattung und die Identifizierung zugrunde liegender Mechanismen verbessern. Das Communication Action Network übernimmt Verantwortung (Collective Impact Tenet 2). Das Measurement Action Network übernimmt die Verantwortung für die laufende Bewertung und die Abschlussbewertung im 5. Jahr (Collective Impact Tenet 3). Das Education Action Network übernimmt die Verantwortung für die Erleichterung der Entwicklung gezielter Bildungsprogramme und EHR-Entscheidungsunterstützungen, um diagnostische Überschattung abzumildern (Collective Impact Tenet 4). Die entwickelte Infrastruktur wird sich gegenseitig verstärkende Aktivitäten ermöglichen, die den Austausch von Perspektiven und Best Practices der interdisziplinären Partner des Projekts fördern. Prozesse, die zum Erreichen der Projektziele und -ergebnisse führen, werden durch engagierte Backbone-Mitarbeiter erleichtert, die bei der für das Projekt erforderlichen Verwaltung, Planung und Logistik behilflich sind. Die RUSH University ist die federführende Institution und jeder Konsortiumspartner hat spezifische Verantwortlichkeiten. (Collective Impact Grundsatz 5).

Designziel 1: Identifizieren und Verständnis für die Mechanismen schaffen, die der diagnostischen Überschattung zugrunde liegen.

Einleitung: Es wird eine Partnerschaft zwischen drei gemeinnützigen medizinischen Zentrumssystemen aufgebaut, bei denen die Verbesserung der gesundheitlichen Chancengleichheit im Vordergrund steht. RUSH University System for Health und angeschlossenes RUSH University Medical Center, RUSH Oak Park Hospital und RUSH Copley Medical Center; Rochester Regional Health und das angeschlossene Rochester General Hospital; und Erie County Medical Center (ECMC). Dabei handelt es sich um Standorte für die Vorher-Nachher-Analyse der diagnostischen Überschattung durch CPT-Codedaten, die Implementierung von Mock-Tracern und die anschließende Implementierung gezielter Schulungsprogramme und EHR-Entscheidungsunterstützungen. Es werden Datennutzungsvereinbarungen zwischen den drei Institutionen getroffen.

Die Datenerfassung erfolgt in drei Schritten. Zunächst werden die Ermittler die Komplexitätsunterschiede bei der Verwendung von CPT E/M-Codes durch das Vorhandensein spezifischer Behinderungen (Menschen mit Behinderungen mit schweren Mobilitätseinschränkungen, psychische Gesundheitsprobleme, schwere Sehbehinderungen/Blindheit, schwerer Hörverlust/Taubheit usw.) abrufen und prüfen/analysieren IDD) im Vergleich zum Fehlen der angegebenen Behinderungen. Die Daten zu den CPT-E/M-Codes der Patienten stammen vom RUSH University Medical Center, dem RUSH Oak Park Hospital, dem RUSH Copley Hospital, dem Rochester General Hospital, dem Erie County Medical Center und zugehörigen ambulanten Praxen. Die Ermittler werden CPT-E/M-Codes von den EDs abrufen und analysieren (Codes 99281-99285), CPT-E/M-Codes von stationären Diensten (99221-99223, 99231-99233, 99238-99239), CPT-E/M-Codes von ambulanten Patienten Besuche bei Neupatienten (99202-99205), bei Bestandspatienten (99211-99215) und zur Vorsorge (99384-99387), um mögliche Nutzungsunterschiede zu ermitteln. Im Jahr 2023 wurden Änderungen an den E/M-Codes vorgenommen, um die Belastung zu verringern. Die Daten werden für den Zeitraum vom 1. Januar 2023 bis zum 30. Juni 2024 abgerufen. CPT-E/M-Codes werden als Stellvertreter für die diagnostische Überschattung bei der Sammlung klinischer Informationen und der Komplexität der Entscheidungsfindung verwendet; E/M ist eine Phase im Diagnoseprozess, in der Fehler auftreten können. . Es werden quantitative Methoden zur Auswertung der CPT-E/M-Codedaten verwendet. Die Daten werden mit variablen Bereichsprüfungen und Auslassungsregeln programmiert und automatisch in SPSS exportiert. Basierend auf der Erfahrung werden Patienten mit den spezifischen Behinderungen anhand einer umfassenden Liste sekundärer Diagnosecodes für die spezifischen Behinderungen bei Patienten im Alter von 3 bis 89 Jahren identifiziert. Die Daten werden nach Alter in Gruppierungen von fünf Jahren aufgeschlüsselt, mit Ausnahme der Gruppe im Alter von 3 bis 5 Jahren. Alle Variablen werden auf fehlerhafte Werte überprüft. Für alle Elemente werden beschreibende Statistiken berechnet (CPT E/M-Codes) und Verteilungen auf Nichtnormalität und Ausreißer untersucht. Beschreibende Statistiken für alle Maßnahmen werden gemeldet. Für jede Art von Besuch vergleichen die Forscher zunächst den Gesamtanteil der einzelnen CPT-E/M-Codes nach Behinderungsstatus, indem sie paarweise exakte Fisher-Tests mit einer deskriptiven Analyse der Fallhäufigkeit, Altersstufen, Geschlecht, Rasse/Ethnizität, Stadt/Land usw. verwenden. Komorbiditäten, Art der Behinderung, Art der Versicherung und Schwere der Erkrankung [relevant für den Standort]). Es wird eine Bewertung durchgeführt, um festzustellen, ob Daten in Werte höherer und niedrigerer Komplexität von Bewertungs- und Verwaltungscodes zusammengefasst werden können. Wenn ja, wird eine binäre logistische Regressionsanalyse durchgeführt, die das Ergebnis höherer und niedrigerer Komplexität der CPT-Bewertungs- und Managementcodes verwendet und den Einfluss von Rasse, ethnischer Zugehörigkeit, Geschlecht, Altersgruppen, Behinderungsart, Versicherungsstatus und Schwere der Erkrankung berücksichtigt und 10 Fragen zur Diagrammüberprüfung (zuvor beschrieben). Andernfalls verwenden die Forscher eine ordinale Regressionsanalyse für die Ergebnisse der CPT-E/M-Codes (unter Verwendung aller Komplexitätsebenen). Es werden standortspezifische Analysen durchgeführt (d. h. Notaufnahme, stationäre, ambulante, präventive Pflege) und ein kombiniertes Modell, das den Standort mithilfe von Cluster-robusten Standardfehlern berücksichtigt.

Eine binäre (oder ordinale) Regressionsanalyse wird für jede Situation (Notaufnahme, stationär, ambulant, Vorsorge) durchgeführt, wobei die abhängige Variable E/M-Codes sind (separat oder aufgeteilt in Codes mit niedrigerer und höherer Komplexität). Unabhängige Variablen sind demografische Merkmale wie Altersstufen, Geschlecht, Rasse/ethnische Zugehörigkeit, Stadt/Land, Komorbiditäten, Art der Behinderung, Art der Versicherung und Schwere der Erkrankung (relevant für den Standort) sowie die 10 oben aufgeführten Probleme bei der Diagrammüberprüfung. Variable Belastungen werden zur Verwendung bei der Entwicklung von Algorithmen für PWD aus den angegebenen Gruppen bewertet, bei denen das Risiko einer diagnostischen Überschattung besteht.

Zweitens werden auf der Grundlage der festgestellten Unterschiede zu den CPT-E/M-Codeanalysen gezielte retrospektive manuelle Diagrammüberprüfungen durchgeführt, um die Identifizierung der zugrunde liegenden Mechanismen der diagnostischen Überschattung zu verbessern. In jeder Partnereinrichtung (5), die mit den drei medizinischen Zentren verbunden ist, werden mindestens fünf Diagramme von Patienten aus jeder der fünf spezifischen Populationen von Menschen mit Behinderungen (siehe vorheriger Absatz) überprüft, von denen Daten gesammelt werden (jeweils 25). der fünf Einrichtungen und angeschlossenen ambulanten Praxen (insgesamt 125).

Die Diagramme werden auf Probleme überprüft, die Aufschluss über diagnostische Überschattung geben könnten. Beziehen Sie in Diskussionen mit den Mitarbeitern Vorschläge zur Untersuchung derselben Themen ein, die oben unter „Vorherige Arbeiten“ aufgeführt sind. Zu den oben genannten zehn Themen werden Notizen gemacht. Die Notizen werden thematisch mittels induktiver thematischer Analyse ausgewertet. Das Team trifft sich wöchentlich, um Themen zu besprechen. Wenn bei der Kartenüberprüfung weitere Probleme festgestellt werden, wird ein IRB-Änderungsantrag zur Bewertung zusätzlicher Probleme eingereicht.

Im Anschluss an die Diagrammüberprüfungen werden Interviews mit Mitarbeitern in identifizierten Bereichen durchgeführt, um die Wahrnehmung der Gründe für mögliche Unterschiede zu untersuchen. Es werden mindestens fünf ausführliche Interviews und mehrere kurze Interviews an jedem der fünf Standorte erwartet, die während des „Huddles“ der Schicht durchgeführt werden können " und Mitarbeiterbesprechungen.

Drittens werden mit diesen Basisdaten das Measurement Action Network und das Advocate Advisory Committee zur Entwicklung separater Mock-Tracer konsultiert, um die Versorgung jeder spezifischen Population von Menschen mit Behinderungen zu gewährleisten, die zu diagnostischen Überschattung neigen. In jeder der fünf Partnereinrichtungen mit angeschlossenen ambulanten Praxen werden 25 retrospektive Traceruntersuchungen von Patienten durchgeführt (jeweils fünf aus den oben aufgeführten spezifischen Bevölkerungsgruppen, davon 10 Tracer bei Kindern und mindestens 10 bei Patienten aus marginalisierten Rassen-/ethnischen Gruppen). (jeweils 25 im RUSH University Medical Center, RUSH Oak Park Hospital, RUSH Copley Hospital, Rochester General Hospital und Erie County Medical Center). Für Tracer werden Patienten mit Problemen wie hoher Sehschärfe, Komplexität der Pflege (z. B. mehrere Tests, Operationen), Verlegungen zwischen Abteilungen und Traumageschichte ausgewählt, wobei berücksichtigt wird, dass Probleme, die die Pflege betreffen, je nach Bevölkerung unterschiedlich sind. Außerdem werden System-of-Care-Tracer durchgeführt, die sich auf das Verständnis von Systemvermittlern und Hindernissen zur Reduzierung diagnostischer Überschattung, einschließlich traumainformierter Pflege, konzentrieren.

Die Entwicklung und erste Basisimplementierung von Mock-Tracern sowie etwaige Änderungen werden bei Rush bis zum Ende des ersten Jahres abgeschlossen sein. An anderen Systemen werden im zweiten Jahr Schein-Tracer durchgeführt. Zu Beginn werden es also insgesamt 125 Tracer sein. Mit Leitfäden werden entwicklungsorientierte formative Bewertungsmethoden für die Mock-Tracer verwendet, wobei die formative Bewertung den jeweiligen Einheiten und Praxen kommuniziert wird. In den Jahren 3 und 4 werden Schein-Tracer in Notaufnahmen (landesweit werden 70 % der stationären Patienten in Krankenhäusern über Notaufnahmen behandelt), ausgewählten stationären Einheiten (einschließlich Pädiatrie) und ausgewählten ambulanten Praxen (einschließlich Pädiatrie) in allen fünf Einrichtungen durchgeführt – 15 Tracer jeweils insgesamt 75.

Ziel 2: Gemeinsame Erstellung eines Rahmens von Themen, die der diagnostischen Überschattung zugrunde liegen, um Algorithmen zu entwickeln, um Patienten mit bestimmten Behinderungen zu identifizieren, bei denen das Risiko von DO/DE besteht, zusammen mit EHR-Entscheidungsunterstützung und Aufforderungen/Warnungen zu bestimmten Themen. Es werden Lehrmaterialien zu den Algorithmen und den EHR-Entscheidungsunterstützungen und Aufforderungen/Warnungen sowie Fallstudien entwickelt, um Anbieter über DO/DE- und EHR-Materialien aufzuklären.

Einführung in den Prozess der partizipativen Planung und Entscheidungsfindung (PPDM). Bis zum Ende des zweiten Jahres werden die Ermittler eine Analyse mit gemischten Methoden aus CPT-E/M-Audits und -Analysen, Mitarbeiterbefragungen und Diagrammüberprüfungen quantitativer Daten und qualitativer Notizen durchgeführt haben. Anschließend wird eine induktive thematische Analyse der Diagrammüberprüfung, der Mitarbeiterbefragung und der Schein-Tracer-Notizen durchgeführt, um einen ersten Satz von Themen der zugrunde liegenden Mechanismen der diagnostischen Überschattung zur Verwendung in PPDM-Prozessen zu identifizieren (siehe Tabelle 1).

Tabelle 1. Partizipatorischer Planungs- und Entscheidungsprozess (PPDM). Phase 1 ● Zwei Wochen vor dem Treffen füllen die Teilnehmer vor dem Treffen einen Fragebogen oder ein Interview aus, um ihre Gedanken zu den ursprünglich identifizierten Themen im Zusammenhang mit diagnostischer Überschattung einzuholen.

● Informationen, die über eine Reihe offener Fragen im Rahmen einer Online-Umfrage oder eines Interviews eingeholt werden, um Antworten zu den betreffenden Themen zu erhalten.

Phase 2 ● Stakeholder-Input analysiert mittels konstanter Vergleichsanalyse.154,155 ● Der Grad des Konsenses wird hinsichtlich der Themen ermittelt, die als „am wichtigsten“ für gezielte Bildungsprogramme und EHR-Entscheidungsunterstützung identifiziert wurden. Es werden vorläufige Modelle erstellt, die die für jede PPDM-Gruppe entwickelten Themen und Unterthemen widerspiegeln.

Phase 3 ● Jede PPDM-Gruppe (5–7 Personen) trifft sich für 2 Stunden; Jede Gruppe wird von ICI-Mitarbeitern betreut.

• Die Teilnehmer beantworten Fragen zum Rahmenwerk ihrer Gruppe sowohl auf Themen- als auch auf Unterthemenebene:

  • Zur Erleichterung der Diskussion werden nominelle Gruppenverfahren eingesetzt.156
  • Vorläufiger Themenrahmen basierend auf den Phasen 1 & 2 wird vorgestellt.
  • Der Moderator leitet die Gruppendiskussion der Teilnehmer auf dem Weg zu einem Konsens.
  • Zur Erleichterung der Diskussion werden nominelle Gruppenprozessverfahren eingesetzt. Phase 4 ● Mithilfe von Moderatoren bereitgestellter Tablets und einer von ICI entwickelten Software geben die Beteiligten für jedes Thema und Unterthema Wichtigkeitsgewichtungen auf einer Skala von 0–100 (oder 0–10 je nach Gruppe) mit gleichen Intervallen vor.
  • Alle Messelemente identifiziert.
• Das am höchsten bewertete Thema und Unterthema innerhalb eines Themas erhält eine Punktzahl von 100 (oder 10, je nach Gruppe).
• Alle anderen sind 0-99. (Oder 0-9, je nach Gruppe).

Phase 5 ● Im Anschluss an die Bewertungen werden anonymisierte Wichtigkeitsgewichte ganzer Gruppen angezeigt. Jeder Teilnehmer kann Folgendes einsehen:

• Ihre eigene Bedeutung gewichtet
• Deidentifizierte Wichtigkeitsgewichte aller anderen Stakeholder
• Bereich der Wichtigkeitsgewichte

• Mittlere Wichtigkeitsgewichte ihrer PPDM-Gruppe für alle Themen und Unterthemen. Phase 6

  • PPDM-Gruppen treffen sich ein zweites Mal für eine Stunde.
  • Gemeinsamkeiten und Unterschiede in der Wichtigkeitsgewichtung werden unter den Teilnehmern diskutiert.
  • Den Teilnehmern wird die Möglichkeit gegeben, die Gründe für ihre Wichtigkeitsgewichtungen mit anderen zu teilen.
  • Durch nominale Gruppenprozesse wird eine Konsensbewegung erreicht. Phase 7 ● Mithilfe von Tablets stellen die Beteiligten einen zweiten Satz Wichtigkeitsgewichtungen für alle Themen und alle Unterthemen bereit.

Phase 8 ● Anteilsgewichte werden automatisch über das Supportsystem berechnet.

● Den Teilnehmern wird das endgültige Themenmodell präsentiert.

Methoden Der PPDM-Prozess wird Teil der Koproduktion eines Rahmens wichtiger Themen im Zusammenhang mit den zugrunde liegenden Mechanismen von DO/DE sein. Zu den Teilnehmern des PPDM-Prozesses gehören Personen aus betroffenen Gruppen, darunter Menschen mit Behinderungen, Familienangehörige, Angehörige der Gesundheitsberufe, Studierende von Gesundheitsfachkräften, Fachleute für Qualitätsverbesserung, Personen mit Fachkenntnissen in der Kindergesundheit sowie Vertreter von Organisationen im Zusammenhang mit Behinderungen, Gesundheitssystemen, Kostenträgerorganisationen usw. und gemeinschaftsbasierte Dienste.

Es wird eine erste Reihe von Themen formuliert, die sich auf die zugrunde liegenden Mechanismen von DO/DE beziehen. Die Themen werden inklusive Kinder sein. Es werden etwa 100 Teilnehmer aus allen betroffenen Gruppen erwartet. Es wird eine Erstbefragung geben, ein Treffen zur Priorisierung der Themen. Die erste Priorisierung wird den Teilnehmern zugesandt und es wird ein zweites Treffen geben, um die Themen weiter zu bestätigen und zu priorisieren. Bei jedem PPDM-Meeting wird ein geschulter Moderator die Gruppe anhand nomineller Gruppenprozessverfahren anleiten und sicherstellen, dass die Beteiligten bei der Sache bleiben, auf Fragen antworten und einen Konsens erreichen. Um den virtuellen PPDM-Prozess zu erleichtern, haben ICI-Mitarbeiter eine Software entwickelt, die auf Laptops, Tablet-Computern und Mobiltelefonen funktioniert und eine vielseitige Anwendung bietet, die es den Teilnehmern ermöglicht, alle Themen und Unterthemen (und relevanten Definitionen), die als zugrunde liegende diagnostische Überschattung identifiziert wurden, einfach anzuzeigen und direkt einzugeben Prioritäts-/Wichtigkeitsgewichtung dieser Themen während PPDM-Meetings. Ein zweiter Mitarbeiter, ein sogenannter „Chauffeur“, wird dieses Softwaresystem bedienen, die Dateneingabe der Teilnehmer überwachen, bei Bedarf Unterstützung leisten, nach Abschluss des Bewertungsprozesses eine visuelle Anzeige der anonymisierten Gewichtungen bereitstellen und den Vorgang protokollieren. Die Themen werden vor der Umsetzung vom Cross-Disability Advocate Committee, dem Education Action Network und dem Lenkungsausschuss überprüft.

Datenanalyse. Im Rahmen des PPDM-Prozesses werden die Daten in jeder Phase kontinuierlich von den Beteiligten „analysiert“. Wenn die Gewichtungen der Gruppenmitglieder erheblich unterschiedlich sind, wird die Diskussion erleichtert, um einen höheren Grad an Konsens zu erreichen. Die Datenanalysepläne für diese Studie werden sowohl qualitativer als auch quantitativer Natur sein. Mit der NVivo-Software wird eine qualitative Analyse auf der Grundlage der aufgezeichneten Aussagen der Stakeholder während des PPDM-Prozesses durchgeführt, um mithilfe ständiger Vergleichsanalysen gemeinsame Themen zu erkennen. Jedes von den PPDM-Gruppen erstellte Thema wird zusammengefasst. Gemeinsamkeiten und Unterschiede zwischen den Themen und die Gewichtung der von verschiedenen PPDM-Akteursgruppen entwickelten Themen werden identifiziert. Spezifische Elemente, die für jedes Thema und Unterthema identifiziert wurden, werden dann erneut analysiert, um Ähnlichkeiten und Unterschiede zwischen den Gruppen zu identifizieren. Abschließend werden die Wichtigkeitsgewichte, die PPDM-Gruppen den Themen und Unterthemen zuweisen, für jede Phase des PPDM-Prozesses untersucht (Tabelle 1). Die Ergebnisse werden die Themen darstellen, die DO/DE zugrunde liegen. Das Cross-Disability Advocate Committee und die Consortium Action Networks werden die Themen prüfen und jeweils die Auswirkungen der Themen auf ihre Arbeit diskutieren. Der Lenkungsausschuss wird den Prozess überprüfen und Empfehlungen zu etwaigen Anpassungen der Pläne für die nächsten Schritte abgeben.

Programmentwicklung. Im Anschluss an Phase 8 des PPDM-Prozesses mit einem endgültigen Modell der identifizierten Themen werden Algorithmen entwickelt, um Patienten mit spezifischen Behinderungen zu identifizieren, bei denen das Risiko einer diagnostischen Überschattung/Diagnosefehler besteht. Die Ermittler werden gleichzeitig mit den Digital- und Informationsdiensten von Rush, insbesondere EPIC, zusammenarbeiten, um EHR-Eingabeaufforderungen, Warnungen und Entscheidungsunterstützungen zu entwickeln, die Unklarheiten reduzieren und klare Richtlinien im Diagnoseprozess bereitstellen. zusammen mit EHR-Entscheidungsunterstützung und Aufforderungen/Warnungen zu bestimmten Problemen. Es werden Lehrmaterialien zu den Algorithmen und den EHR-Entscheidungsunterstützungen sowie Eingabeaufforderungen/Warnungen zusammen mit Fallstudien entwickelt, um Anbieter über diagnostische Überschattung/Diagnosefehler aufzuklären. Bei diesen Bemühungen werden Prinzipien der Unterrichtsgestaltung genutzt, bei denen Lernumgebungen und Materialien so entwickelt werden, dass sie zum Erwerb von Wissen und Fähigkeiten motivieren. Informationsdienste werden einbezogen. Mitarbeiter von Rush und GIDDN, den drei medizinischen Zentren (RUSH University System for Health, Rochester General Hospital, ein Erie County Medical Center) sowie Mitglieder des Lenkungsausschusses, des Cross-Disability Advocate Advisory Committee und von Action Networks werden in diese integriert Bemühungen. Insbesondere verfügen die drei Institutionen über Strukturen zur Implementierung von Lehrdesign und Informationstechnologie. Der Lenkungsausschuss, der Cross-Disability Advocate Advisory Committee und das Education Action Network werden eine fortlaufende Überprüfung der Programmentwicklung und -umsetzung durchführen.

Datenanalyseplan

Im 5. Jahr wird im Vergleich zum 1. Jahr die CPT-E/M-Codenutzung bei den fünf identifizierten Gruppen von Menschen mit Behinderungen (quantitativ) durchgeführt, um zu bewerten, ob sich die Kodierungsnutzung für PWD nach der Implementierung von Algorithmen zur Identifizierung von Menschen mit Behinderungen, bei denen das Risiko einer Diagnose besteht, geändert hat Überschatten/Diagnosefehler zusammen mit EHR-Entscheidungsunterstützung und Aufforderungen/Warnungen zu bestimmten Problemen. Eine binäre oder ordinale ANCOVA-Regressionsanalyse vor und nach der Behandlung wird für jedes Setting (ED, stationär, ambulant, Vorsorge) entweder einzeln oder als Cluster durchgeführt, wobei die Ergebnisse vor und nach der Behandlung als binäre oder ordinale Prozentsätze angegeben werden. Unabhängige Variablen sind die demografischen Daten des Patienten in Bezug auf Altersstufen, Geschlecht, Rasse/ethnische Zugehörigkeit, Stadt/Land, Komorbiditäten, Art der Behinderung, Art der Versicherung und anwendbarer Schweregradindex sowie die 10 oben aufgeführten Probleme bei der Diagrammüberprüfung, entweder einzeln oder als Kombinationen. Entwickelte Bildungsprogramme werden durch 1) Vor- und Nachbereitungsprüfungen der Nutzung und 2) deskriptive Daten zur Nutzung spezifischer EHR-Entscheidungsunterstützungen als unabhängige t-Tests und als Regressionsanalyse mit unabhängigen Variablen wie Einstellung, Geschlecht, Rasse/Ethnie, Altersspanne, Art des Anbieters und Einstellung des Anbieters (ED, stationär, ambulant, Vorsorge)91 Die Vor- und Nachbereitungszeit bis zur diagnostischen Bewertung mithilfe von ANCOVA zur Bewertung von Unterschieden wird für 2–3 noch zu bestimmende Probleme durchgeführt demografische Merkmale von Patienten mit Behinderungen und Anbietermerkmale als unabhängige Variablen. Interaktionseffekte werden ausgewertet. Für quantitative Maßnahmen (CPT-E/M-Code-Nutzungsanalyse, Wissensüberprüfungen, beschreibende Daten zur Verwendung von EHR-Entscheidungsunterstützungen und Eingabeaufforderungen/Alarmen) wird ANCOVA verwendet, um Interaktionseffekte mithilfe von Vortestmaßen und unabhängigen Variablen ab dem ersten Jahr zu untersuchen.

Abschließende Schein-Tracer und Analysen werden am Ende des vierten und des fünften Jahres durchgeführt. Eine qualitative Analyse der Überprüfungsnotizen im Vergleich zu den Notizen vor der Intervention wird durchgeführt.