Nurse‐assessed metabolic monitoring: A file audit of risk factor prevalence and impact of an intervention to enhance measurement of waist circumference
Notice bibliographique
Résumé
The aim of the present study was to: (i) document the prevalence of risk factors for non-communicable diseases among mental health consumers (inpatients) with various diagnoses; and (ii) audit the frequency of waist circumference (WC) documentation before and after an intervention that involved a single nurse-education session, and change in assessment-form design. The study was undertaken in a private psychiatric hospital in Sydney, Australia. Twenty-five nurses participated in the educational intervention. File audits were performed prior to intervention delivery (n = 60), and 3 months' (n = 60), and 9 months' (n = 60) post-intervention. Files were randomly selected, and demographic (age, diagnosis) and risk factor (WC, body mass index (BMI), smoking status, blood pressure) data were extracted. WC was higher in this cohort compared to published general population means, and only 19% of patients had a BMI within the healthy range. In total, 37% of patients smoked, while 31% were hypertensive. At baseline, none of the audited files reported WC, which increased to 35 of the 60 (58%) files audited at the 3-month follow up. At the 9-month follow up, 25 of the 60 (42%) files audited reported a WC. In the 120 post-intervention files audited, only two patients refused measurement. These results illustrate the poor physical health of inpatients, and suggest that nurse-assessed metabolic monitoring can be enhanced with minimal training.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».