診断の影をなくす:診断における能力障害への対処 (EDO)

目的 1: 診断上のオーバーシャ​​ドウの根底にあるメカニズムを特定し、理解を深めます。

3 ～ 89 歳の特定の障害のある患者とない患者の間での CPT コードの使用状況のベースライン監査。

仮説は、特定の障害を持つ人々と、特定の障害のない人々の間で、CPT E/M コードの使用に統計的な差異があるというものです。

2) 研究者はまた、年齢増分、性別、人種/民族、都市/農村、併存疾患、障害の種類、保険の種類、重症度などの人口統計的特徴に対処する、より低いCPT E/Mコードとより高いCPT E/Mコードを持つ障害者について手動カルテレビューを実施します。病気の有無（施設に関連する））、および利害関係者によって提案された次の 10 の問題：介護者の関与、他の施設からの転院/紹介、口頭、併存疾患の数と種類、拒否された検査、過去の病歴、同じ問題による来院/入院、継続的な医療機器の使用、訪問および入院中の化学的または身体的拘束の使用、外傷の履歴、および否定的な記述子（黒人患者と白人患者の医療記録での使用オッズ比が高かった 15 の用語）。

仮説は、モックトレーサーの開発や、診断上の影の根底にある可能性のあるテーマを特定するための参加型計画および意思決定プロセスで使用できる情報が開発されるだろう、というものです。

3) CPT E/M コードの使用に関するベースライン監査とフォローアップ チャートのレビューで見つかった差異に基づいて、調査員はスタッフとの的を絞ったインタビューを実施し、次に利害関係者とのフォローアップを行って、追跡するための合同委員会スタイルの個別のモック トレーサーを開発します。上記に挙げた特定の障害者集団のケアを行い、トラウマに基づいたケアを含む診断上の影を取り巻くシステムの評価に焦点を当てたケアトレーサーシステムを開発します。

仮説は、特定の障害者集団のケアに続く模擬トレーサーとケアトレーサーのシステムを開発するのに十分な情報が開発されるだろう、というものです。

目的 2: DO のリスクがある特定の障害を持つ患者を特定するためのアルゴリズムを開発するために、DO) を覆い隠す診断の基礎となるテーマのフレームを共同作成します。次に、EHR 教材に関する教育とともに、アルゴリズムに関連する DO、EHR プロンプト、アラート、および意思決定サポートに関する教育のためのケーススタディを共同作成します。

仮説は、CPT E/M コードの使用法と診断評価までの時間による証拠としての DE によって証明されるように、DO のリスクにさらされている特定の集団から障害者を識別するためのアルゴリズムを開発するために使用できる情報が開発されるというものです。

目的 3: DO のリスクがある特定の障害を持つ患者を特定するアルゴリズムの実装後の変化を評価する。

仮説は、指定された母集団からの障害者に対する CPT E/M コードの使用に統計的な変化が生じるというものです。

データ評価。 CPT コードは米国医師会によって開発され、定期的な改訂と継続的なメンテナンスが行われています。 CPT コードは、医療提供者がサービスを文書化するための普遍的な方法であり、医師、看護師、医師助手、その他の専門家を含む医療提供者の請求と払い戻しに必要な標準化されたレポートを提供します。 システムは、次のような問題に対して数値コードを提供します。 1. サービスの現場 (例: 救急部門、入院患者、外来患者、予防サービス); 2. 提供されるサービス。 3. 臨床情報の収集と意思決定の複雑さ、4) 費やされる時間。 各設定には、意思決定にかかる時間と複雑さが最も短いものから、意思決定にかかる時間と複雑さが最も高いものまで、CPT E/M コードの特定のグループがあります。

特定の障害を持つ患者のグループにおける発生率は、一般集団における診断エラーの発生率が高いと特定された診断、および小児における診断エラーが問題となると特定された診断について計算されます。 発生率は、データベースの一次または二次 ICD 10 診断コードを使用して次の項目に基づいて計算されます: 大動脈瘤および解離、動脈血栓塞栓症、静脈血栓塞栓症、うっ血性心不全、脳卒中、心筋梗塞、脊髄膿瘍、髄膜炎および脳炎、心内膜炎、敗血症、肺炎、肺がん、黒色腫、結腸直腸がん、乳がん、前立腺がん。

小児に重点を置く：動脈虚血性脳卒中、虫垂炎、喘息、網膜芽腫、脳腫瘍、多発性動脈炎、先天性心疾患、デュシェンス型筋ジストロフィー、炎症性腸疾患、強皮症。

診断に関する人口統計情報は、次のプロセスの背景を提供します。

品質保証 合同委員会は、認定訪問の準備や、継続的な品質保証と専門能力開発の取り組みに使用する模擬トレーサーを開発しました。 モックトレーサーは、患者エクスペリエンス、ケアの質、医療プロセスと製品、改善が必要な領域に関する情報を提供します。トレーサーには、患者のカルテやフォームの確認に加えて、1 対 1 および少人数のグループでのインタビューが含まれます。 このプロジェクトでは、患者の評価と管理におけるプロセスと考慮事項を中心に質問が行われます。 回答に基づいてさらに深い調査が期待されます。

EHR プロンプトとアラート 診断プロセスの段階では、さまざまな臨床意思決定のサポートが必要です。さらに、一般的ではない症状には特別なサポートが必要です。 標準的なオーダーセット、アラートとリマインダー、およびその他の診断サポート手段 (Web サイトなど) を通じて、臨床医はより簡単にガイドラインにアクセスできます。

アルゴリズム。 アルゴリズムは、検査結果が遅れるリスクのある患者を特定するなどの診断エラーに対処するために使用されています。胸部画像検査結果の追跡が遅れ、甲状腺機能低下症の検査が行われ、腹痛に関連する診断が遅れたり見落とされたりする。 ランダム化臨床試験では、アルゴリズムを使用して、肺がん、結腸直腸がん、または前立腺がんの診断が遅れる/見逃されるリスクが高い患者を前向きに特定しました。 診断評価までの時間は、結腸直腸がんおよび前立腺がんについては介入群と対照群で有意に短縮されましたが、肺がんではそうではありませんでした。

ヘルスケア プログラムの共同制作 影響を受ける人々に影響を与えるサービスの共同制作に参加させることは、知識とプログラムの開発者とユーザーの間の従来の二分法を超えて、ヘルスケアにおける倫理的な問題とみなされます。 共同制作には、プロセスの開始時から知識やプログラムの生産と使用において、影響を受けるグループの人々のコラボレーションを構築することが含まれます (図 1)。 研究やプログラム計画の結果に影響を受ける障害者の参加は、多くの場合、プロセス全体ではなく、重要な決定がすでに下された後の意見の提供に限定されています。 しかし、IDD を持つ人々を行動の健康のためのプログラムの共同制作に参加させる取り組みを開始すると、ソーシャル ネットワークと参加に対する自信が改善されたことが示されました。 さらに、医療の質向上の枠組みの開発にも共同制作が活用されています。 共同制作では、研究者はアルゴリズムやその他の資料の開発における偏りを減らすために関係者と協力します。

参加型計画と意思決定 (PPDM)。 PPDM は、参加型アクションリサーチの原則に基づいたモデル構築プロセスです。 これは、グループが複数の選択肢について判断し、関心のある結果に関してそれぞれの選択肢が果たす重要性を比較検討できるように設計されています。 このプロセスでは、まず参加者が、研究対象の現象に寄与する広範なドメイン/テーマとサブドメイン/サブテーマを特定または確認する必要があります。 テーマとサブテーマの特定に続いて、重要度の重みがそれぞれに割り当てられ、比例した重要度の重みが導出されます。 PPDM プロセスには 8 つの基本フェーズがあり、最初のテーマに関する事前調査から始まり、参加者へのプレゼンテーション、テーマに関する会議、テーマの最終モデルの参加者への提示まで行われます。 さまざまなグループやコミュニティのメンバーからの幅広い意見に基づいて、ミネソタ大学コミュニティ統合研究所のスタッフは、このプロセスをうまく利用して、自己決定と医療調整のための概念フレームを開発し、全国品質フォーラムの家庭とコミュニティを洗練しました。ベースのサービス成果測定フレームワーク。 これらの取り組みの結果、高い内容と、同時実行性および予測的妥当性を備えたフレームワークが誕生しました。 PPDM モデルとプロセスを使用すると、対象を絞った教育プログラムや EHR 意思決定サポートの開発において多様なグループの声を聞くことができ、教材が複数のグループのニーズに確実に適合するようになります。 品質保証のための遡及的レビューの手段としてのアルゴリズムの共同制作や、診断の影や診断ミスのリスクがある障害のある患者を特定するための前向きな使用において、PPDMプロセスは材料の偏りに対処するのに役立つことが期待されています。

研究のエンドポイント:

一次 1 年目と比較して 5 年目では、特定された 5 つの障害者グループでの CPT E/M コードの使用状況 (定量的) が、EHR 意思決定サポートとともに DO のリスクのある障害者を特定するアルゴリズムの実装後の変化について評価されます。特定の問題に関するプロンプト/アラート。 統計的な変化が予想されます。

教育プログラムは、1) 使用に関する事前および事後の知識チェック、および 2) 特定の EHR 意思決定サポートの使用に関する記述データを通じて評価されます。 知識には統計的な変化が期待されます。

診断の遅延/見逃しに対処するために、まだ決定されていない 2 ～ 3 の問題について、診断評価までの事前事後時間が計画されています。 診断評価までの時間が短縮されることが期待されます。

二次 定量的測定 (CPT E/M コード使用分析、知識チェック、EHR 意思決定サポートおよびプロンプト/アラートの使用に関する記述データ) の場合、ANCOVA を使用して、事前テスト測定 (年齢増分、性別、人種/民族、都市/地方、併存疾患、障害の種類、保険の種類、病気の重症度[サイトに関連する])、および利害関係者によって提案された 10 の問題 (単独または複合) を共変量として示し、ポストの変動を評価します。 -テスト結果。 インタラクション効果が期待されます。

最終的な模擬トレーサーは 4 年目の終わりと 5 年目に実施されます。トレーサーのメモは定性分析を使用して介入前のメモと比較されます。 変更により、定量的尺度の変更に関するコンテキストが提供されます。

フレームワーク 社会変革のためのコレクティブ・インパクト・モデルは、このプロジェクトを組織するフレームワークです。 影響を受ける複数のグループが、診断上の影の問題に直面しています。 診断エラーのリスクが高い患者を特定するためのアルゴリズムを開発するこれまでの取り組みでは、障害のある患者に影響を与える診断上の影や交差性については特に対処されていませんでした。 集合的影響モデルは、これまで診断の影や診断エラー全体の問題に対処するために使用されていませんでした。 影響を受ける複数のグループによるコレクティブ インパクト プロジェクトの組織化と計画を促進するには、次の 5 つの原則を満たす必要があります。1) 共通のアジェンダを達成する。 2) 継続的なコミュニケーションを確保する。 3) 共通の測定戦略を特定する。 4) 相互に強化する活動を採用して、コレクティブ・インパクトの取り組みの意図した結果を達成するプログラムとサービスを提供する。 5) バックボーンサポートとして専任のスタッフを雇用する。 提携には、影響を受けるすべてのグループの経験や声を取り入れることに注意する必要があります。

コレクティブ インパクト モデルを使用した組織構造の構築 最初の 6 か月間、研究チームのメンバーは少なくとも月に 1 回集まり、チームを強化し、新しいスタッフを雇用し、コレクティブ インパクト モデルに基づいた構造を構築します。 セクターを超えたパートナーシップ運営委員会、障害者を超えた擁護者諮問委員会、および 3 つのコンソーシアム アクション ネットワーク (コミュニケーション、測定、教育) が組織されます。 運営委員会と障害横断擁護委員会は、共通の議題（集団的影響の原則 1）の策定について全体的な責任を負います。 継続的なコミュニケーションを通じて、診断上の影の理解を深め、根底にあるメカニズムを特定する実践が開発されます。 Communication Action Network は責任を負います (Collective Impact Tenet 2)。 Measurement Action Network は、継続的な評価と 5 年目の最終評価 (集団的影響の理念 3) に対して責任を負います。 Education Action Network は、診断上の影を軽減するために、対象を絞った教育プログラムと EHR 意思決定支援の開発を促進する責任を負います (集団的影響の原則 4)。 開発されたインフラストラクチャは、プロジェクトの学際的なパートナーの視点とベストプラクティスの共有を促進する相互強化活動を促進します。 プロジェクトの目標と成果の達成につながるプロセスは、プロジェクトに必要な管理、計画、ロジスティクスを支援する専任のバックボーン スタッフによって促進されます。 RUSH 大学が主導機関であり、各コンソーシアム パートナーは特定の責任を負います。 (コレクティブ・インパクト・テネット5)。

設計の目的 1: 診断上のオーバーシャ​​ドウの根底にあるメカニズムを特定し、理解を深めます。

はじめに: 健康の公平性の向上に重点を置く 3 つの非営利医療センター システム間でパートナーシップが構築されます。 RUSH大学システム・フォー・ヘルスおよび関連するRUSH大学医療センター、RUSHオークパーク病院およびRUSHコプリー医療センター。ロチェスター地域医療および関連するロチェスター総合病院。エリー郡医療センター (ECMC)。 これらは、CPT コード データによる診断オーバーシャ​​ドウの事前事後分析、モック トレーサーの実装、そして対象を絞った教育プログラムと EHR 意思決定サポートの実装のためのサイトになります。 3機関間でデータ利用契約を締結します。

データ収集は 3 つのステップで行われます。 まず、研究者は、特定の障害（重度の運動障害、精神的健康上の懸念、重度の視覚障害/失明、重度の難聴/難聴を伴う障害者）の存在によるCPT E/Mコード使用の複雑さの違いを取得し、監査/分析します。 IDD) と特定の障害が存在しないことを比較します。 患者の CPT E/M コード データは、RUSH 大学医療センター、RUSH オークパーク病院、RUSH コプリー病院、ロチェスター総合病院、エリー郡医療センター、および関連する外来診療から取得されます。 研究者は、ED からの CPT E/M コード (コード 99281-99285)、入院患者サービスからの CPT E/M コード (99221-99223、99231-99233、99238-99239)、外来患者からの CPT E/M コードを取得して分析します。新規患者 (99202-99205)、既存患者 (99211-99215)、予防治療 (99384-99387) を訪問し、使用法における潜在的な違いを特定します。 2023年には負担軽減を目的としたE/Mコードの変更が行われました。 データは、2023 年 1 月 1 日から 2024 年 6 月 30 日までの期間に取得されます。 CPT E/M コードは、臨床情報収集および意思決定の複雑さにおける診断上の影の代用として使用されます。 E/M は、診断プロセスにおいてエラーが発生する可能性がある段階です。 。 CPT E/M コードデータの評価には定量的方法が使用されます。 データは、変数範囲チェックとスキップ ルールを使用してプログラムされ、自動化された方法で SPSS にエクスポートされます。 経験に基づいて、特定の障害を持つ患者は、3 ～ 89 歳の患者の特定の障害に対する二次診断コードの包括的なリストを通じて特定されます。 データは、3 ～ 5 歳のグループを除き、5 歳ごとのグループに年齢別に集計されます。 すべての変数に誤った値がないかチェックされます。 すべての項目 (CPT E/M コード) に対して記述統計が計算され、分布の非正規性と外れ値が検査されます。 すべての測定値の記述統計がレポートされます。 訪問の種類ごとに、研究者はまず、症例頻度、年齢増分、性別、人種/民族、都市部/地方、併存疾患、障害の種類、保険の種類、病気の重症度 [施設に関連する])。 評価・管理コードの複雑さの上位レベルと下位レベルの値にデータを集約できるかどうかを評価します。 その場合、バイナリロジスティック回帰分析は、CPT評価および管理コードのより高いレベルとより低いレベルの複雑さの結果を使用して実行され、人種、民族、性別、年齢層、障害の種類、保険ステータス、病気の重症度の影響に対処します。および 10 のチャートレビューの質問 (前述)。 それ以外の場合、調査員は CPT E/M コードの結果に対して順序回帰分析を使用します (すべての複雑さのレベルを使用)。 サイト固有の分析が実施されます。 ED、入院患者、外来患者、予防医療）、およびクラスターに堅牢な標準誤差を使用してサイトを考慮した複合モデル。

二値 (または順序) 回帰分析は、E/M コードである従属変数を使用して各設定 (救急部門、入院患者、外来患者、予防医療) に対して実行されます (個別に、または複雑度の低いコードとより高いコードに分割されます)。 独立変数は、年齢増加、性別、人種/民族、都市/地方、併存疾患、障害の種類、保険の種類、病気の重症度（サイトに関連する）の​​人口統計、および上記の 10 のチャートレビューの問題になります。 可変負荷量は、診断に影が出るリスクがある特定のグループの障害者向けアルゴリズムの開発に使用するために評価されます。

第二に、CPT E/M コード分析で見つかった相違点に基づいて、対象を絞った遡及的な手動チャート レビューが実施され、診断上の影の根底にあるメカニズムの特定が改善されます。 3 つの医療センターに関連する各提携機関 (5) では、データが収集される 5 つの特定の障害者集団 (前の段落を参照) のそれぞれからの患者の少なくとも 5 つのカルテが検討されます (各施設で 25 人)。 5 つの施設と関連する外来診療 - 合計 125)。

チャートは、診断上の影に関する洞察を提供する可能性のある問題についてレビューされます。 スタッフとの話し合いの中で、上記の以前の作業で挙げたものと同じ問題を検討することが提案されました。 以上10点についてメモしていきます。 ノートは帰納的テーマ分析を使用してテーマごとに評価されます。 チームは毎週集まり、テーマについて話し合います。 カルテのレビュー中に他の問題が判明した場合は、追加の問題を評価するための治験審査委員会修正案が提出されます。

チャートのレビューに続いて、差異が存在する理由についての認識を調査するために、特定された領域でスタッフとのインタビューが実施されます。5 つのサイトのそれぞれで少なくとも 5 回の綿密なインタビューと、シフトの「ハドル」中に実施できる複数の短いインタビューが予定されています。 」とスタッフミーティング。

第三に、これらのベースラインデータを用いて、測定アクションネットワークとアドボケート諮問委員会は、診断上の影がつきやすい障害者の特定集団のケアに続く個別のモックトレーサーの開発について協議されます。 関連する外来診療を行っている5つの提携施設のそれぞれで、25人の患者の遡及的追跡調査が実施される（上記の特定集団からそれぞれ5人、うち10人が小児、少なくとも10人が疎外された人種/民族グループの患者である）。 （RUSH大学メディカルセンター、RUSHオークパーク病院、RUSHコプリー病院、ロチェスター総合病院、エリー郡メディカルセンターに各25名）。 トレーサーの場合、ケアに影響を与える問題が母集団によって異なることを認識し、高度な視力、ケアの複雑さ（複数の検査、手術など）、病棟間の移動、外傷歴などの問題を抱えた患者が選択されます。 また、トラウマに基づくケアを含む診断上の影を軽減するためのシステムファシリテーターと障壁を理解することに焦点を当てたケアトレーサーのシステムも実施されます。

モック トレーサーの開発と最初のベースライン実装、および編集は、1 年目の終わりまでに Rush で完了する予定です。 他のシステムでは、模擬トレーサーが 2 年目に実施されます。ベースラインでは合計 125 人のトレーサーになります。 ガイドを使用すると、発達形成的評価方法がモックトレーサーに使用され、形成的評価がそれぞれのユニットと実践に伝達されます。 3 年目と 4 年目では、模擬トレーサーは ED (全国的に病院の入院患者の 70% が ED で処理されている)、選択的入院病棟 (小児科を含む)、および 5 つの施設にわたる選択的外来診療 (小児科を含む) で実施されます - 15 人のトレーサーそれぞれ合計 75 個です。

目的 2: 診断上のオーバーシャ​​ドウの基礎となるテーマのフレームを共同作成し、DO/DE のリスクがある特定の障害を持つ患者を特定するアルゴリズムを開発するとともに、EHR の意思決定サポートや特定の問題に関するプロンプト/アラートを提供します。 DO/DE および EHR 資料についてプロバイダーを教育するための、アルゴリズムおよび EHR 意思決定サポートおよびプロンプト/アラートに関する教育資料とケーススタディが開発されます。

参加型計画と意思決定 (PPDM) プロセスの概要。 2 年目の終わりまでに、調査員は CPT E/M 監査と分析、スタッフへのインタビュー、チャート レビューの定量的データと定性的メモの混合法分析を適用する予定です。 次に、PPDM プロセスで使用する診断オーバーシャ​​ドウの根底にあるメカニズムの初期テーマ セットを特定するために、チャート レビュー、スタッフ インタビュー、モック トレーサー ノートの帰納的テーマ分析が実行されます (表 1 を参照)。

表1. 参加型計画と意思決定 (PPDM) プロセス。 フェーズ 1 ● 会議の 2 週間前に、参加者は会議前のアンケートまたはインタビューに回答し、診断上のオーバーシャ​​ドウに関連して最初に特定されたテーマについての意見を求めます。

● 問題のテーマに関する回答を引き出すために、オンライン アンケートまたはインタビューを通じて一連の自由形式の質問を通じて募集された情報。

フェーズ 2 ● 定数比較分析を使用して利害関係者の入力を分析します。154,155 ● 合意の度合いは、対象を絞った教育プログラムと EHR 意思決定サポートにとって「最も重要」と特定されたテーマに関して決定されます。 予備モデルは、PPDM グループごとに開発されたテーマとサブテーマを反映するように構築されます。

フェーズ 3 ● 各 PPDM グループ (5 ～ 7 人) は 2 時間会議します。各グループは ICI スタッフによって進行されます。

• 参加者は、グループのフレームワークに関する質問に、テーマ レベルとサブテーマ レベルの両方で回答します。

  • 議論を促進するために名目上のグループ手順が使用されます156。
  • フェーズ1＆amp; amp; amp; amp; amp; amp; amp; amp; amp; 2がプレゼントされます。
  • ファシリテーターは、参加者のグループディスカッションをガイドし、合意に向けて進みます。
  • 議論を促進するために、名目上のグループプロセス手順が使用されます。 フェーズ 4 ● ファシリテーターが提供するタブレットと ICI が開発したソフトウェアを使用して、関係者はテーマとサブテーマごとに 0 ～ 100 (グループによっては 0 ～ 10) の等間隔スケールで重要度の重み付けを行います。
  • すべての測定要素が特定されました。
• テーマ内の最高評価のテーマとサブテーマには 100 (グループによっては 10) のスコアが与えられます。
• 他はすべて 0 ～ 99 です。 (またはグループに応じて 0 ～ 9)。

フェーズ 5 ● 評価に続いて、グループ全体の匿名化された重要度の重みが表示されます。 各参加者は以下を表示できます。

• 自分自身の重要性の重み
• 他のすべての利害関係者の匿名化された重要度の重み付け
• 重要度の重みの範囲

• すべてのテーマとサブテーマに対する PPDM グループの重要度の重みを平均します。 フェーズ6

  • PPDM グループは 2 回目の会合を 1 時間行います。
  • 重要度の重みの類似点と相違点が参加者間で議論されます。
  • 参加者には、その重要性の重みの背後にある理由を他の人と共有する機会が与えられます。
  • 名目上のグループプロセスを使用して合意に向けた動きが達成されるでしょう。 フェーズ 7 ● 関係者はタブレットを使用して、すべてのテーマとすべてのサブテーマに対する 2 番目の重要度の重み付けを提供します。

フェーズ 8 ● 比率の重みはサポート システムを通じて自動的に計算されます。

● 参加者にはテーマの最終モデルが提示されます。

方法 PPDM プロセスは、DO/DE の基礎となるメカニズムに関連する重要なテーマのフレームの共同制作の一部として行われます。 PPDM プロセスの参加者は、障害者、家族、医療専門家、医療専門学生、質向上の専門家、児童の健康の専門知識を持つ人々、障害関連団体、医療制度、支払者団体の代表者など、影響を受けるグループの人々になります。そしてコミュニティベースのサービス。

最初の一連のテーマは、DO/DE の基礎となるメカニズムに関連して策定されます。 テーマには子供も含まれます。 影響を受けるグループ全体で約 100 人の参加者が見込まれます。 初期調査、テーマの優先順位付けのための会議が行われます。 最初の優先順位付けは参加者に送信され、テーマをさらに確認して優先順位を付けるための 2 回目の会議が開催されます。 各 PPDM 会議では、訓練を受けたファシリテーターが名目上のグループ プロセス手順を使用してグループをガイドし、関係者がタスクに集中し、質問に答え、合意に向けて進むようにします。 仮想 PPDM プロセスを促進するために、ICI スタッフはラップトップ、タブレット コンピューター、携帯電話で動作し、参加者が根底にある診断上の影として特定されたすべてのテーマとサブテーマ (および関連する定義) を簡単に表示し、直接入力できる多用途アプリケーションを提供するソフトウェアを開発しました。 PPDM 会議中のこれらのテーマの優先順位/重要性の重み付け。 「運転手」と呼ばれる 2 人目のスタッフは、参加者のデータ入力を監視するこのソフトウェア システムを操作し、必要に応じてサポートを提供し、評価プロセスが終了したら匿名化された重み付けを視覚的に表示し、議事録を記録します。 テーマは、実施前に障害横断支援委員会、教育活動ネットワーク、運営委員会によって検討されます。

データ分析。 PPDM プロセスの一環として、データは各段階の関係者によって継続的に「分析」されます。 グループメンバーの重み付けが大きく異なる場合、より高いレベルの合意を得るために議論が促進されます。 この研究のデータ分析計画は、本質的に定性的および定量的なものになります。 PPDM プロセス中に記録された利害関係者の発言に基づく定性分析は、NVivo ソフトウェアを使用して実行され、継続的な比較分析を使用して共通のテーマを識別します。 PPDMグループが制作した各テーマをまとめます。 テーマ間の類似点と相違点、およびさまざまな PPDM 利害関係者グループによって開発されたテーマの重み付けが特定されます。 各テーマとサブテーマで特定された特定の要素が再度分析され、グループ間の類似点と相違点が特定されます。 最後に、PPDM グループがテーマとサブテーマに割り当てる重要度の重みが、PPDM プロセスの各段階で検査されます (表 1)。 調査結果は、DO/DE の基礎となるテーマを表します。 Cross-Disability Advocate Committee と Consortium Action Networks がテーマを検討し、それぞれのテーマが自分たちの仕事に与える影響について議論します。 運営委員会はプロセスを検討し、次のステップに向けた計画の調整について勧告を出します。

プログラム開発。 PPDM プロセスのフェーズ 8 に続いて、特定されたテーマの最終モデルを使用して、診断上の影/診断エラーのリスクにさらされている特定の障害を持つ患者を特定するためのアルゴリズムが開発されます。 調査員は同時に、Rush のデジタルおよび情報サービス、特に EPIC と協力して、あいまいさを減らし、診断プロセスにおける明確なガイドラインを提供する EHR プロンプト、アラート、意思決定サポートを開発します。 EHR の意思決定サポートと、特定の問題に関するプロンプト/アラートも提供します。 アルゴリズムと EHR 意思決定サポートおよびプロンプト/アラートに関する教育資料が、診断のオーバーシャ​​ドウ/診断エラーについてプロバイダーを教育するためのケーススタディとともに開発されます。 これらの取り組みでは、知識とスキルの習得を動機付ける方法で学習環境と教材を開発するという教育デザインの原則が使用されます。 情報サービスが関与することになる。 Rush と GIDDN、3 つの医療センター (RUSH 大学システム・フォー・ヘルス、ロチェスター総合病院、エリー郡医療センター) のスタッフ、運営委員会、障害者横断的支援諮問委員会、およびアクション・ネットワークのメンバーがこれらの医療センターに統合されます。努力。 注目すべきは、3 つの教育機関がインストラクショナル デザインと情報技術を導入するための構造を備えていることです。 運営委員会、障害者横断的支援諮問委員会、および教育活動ネットワークは、プログラムの開発と実施について継続的なレビューを実施します。

データ分析計画

1 年目と比較して 5 年目では、特定された 5 つの障害者グループでの CPT E/M コードの使用状況 (定量的) が実施され、診断のリスクがある障害者を特定するためのアルゴリズムの実装後に障害者のコーディング使用法が変化したかどうかが評価されます。 EHR 意思決定サポートおよび特定の問題に関するプロンプト/アラートとともに、オーバーシャ​​ドウ/診断エラーを表示します。 バイナリまたは序数の前後 ANCOVA 回帰分析は、各設定 (ED、入院患者、外来患者、予防医療) ごとに個別に、または治療前の結果と治療後の結果をバイナリまたは順序のパーセンテージでクラスターとして実行します。 独立変数は、年齢の増分、性別、人種/民族、都市/地方、併存疾患、障害の種類、保険の種類、および適用される重症度指数の患者人口統計と、個別または複合として上記にリストされた 10 のチャートレビューの問題になります。 開発された教育プログラムは、1) 使用に関する事前および事後の知識チェック、2) 特定の EHR 意思決定サポートの使用に関する記述データを通じて、独立した t 検定および設定、性別、人種/民族、独立変数を使用した回帰分析を通じて評価されます。年齢層、医療提供者の種類、提供者の設定（ED、入院患者、外来患者、予防ケア）91 ANCOVA を使用した診断の事前事後評価で相違点を評価することは、まだ決定されていない 2 ～ 3 の問題に対して実施されます。独立変数としての障害のある患者の人口統計的特徴と医療提供者の特徴。 相互作用効果が評価されます。 定量的測定 (CPT E/M コード使用分析、知識チェック、EHR 意思決定サポートおよびプロンプト/アラートの使用に関する記述データ) の場合、ANCOVA を使用して、テスト前の測定値と 1 年目の独立変数を使用して交互作用効果を調査します。

最終的な模擬トレーサーと分析は 4 年目の終わりと 5 年目に実施されます。介入前のメモと比較したレビューメモの定性分析が行われます。