Major Care Gaps in Asthma, Sleep and Chronic Obstructive Pulmonary Disease: A Road Map for Knowledge Translation
Notice bibliographique
Résumé
Large gaps between best evidence-based care and actual clinical practice exist in respiratory medicine, and carry a significant health burden. The authors reviewed two key care gaps in each of asthma, chronic obstructive pulmonary disease and obstructive sleep apnea. Using the 'Knowledge-to-Action Framework', the nature of each gap, its magnitude, the barriers that cause and perpetuate it, and past and future strategies that might address the problem were considered. In asthma: disease control is ascertained inadequately, leading to a prevalence of poor asthma control of approximately 50%; and asthma action plans, a key component of asthma management, are provided by only 22% of physicians. In obstructive sleep apnea: disease is under-recognized, with sleep histories ascertained in only 10% of patients; and Canadian polysomnography wait times remain longer than recommended, leading to unnecessary morbidity and societal cost. In chronic obstructive pulmonary disease: a large proportion of patients seen in primary care remain undiagnosed, mainly due to underuse of spirometry; and <10% of patients are referred for pulmonary rehabilitation, despite strong evidence demonstrating its cost effectiveness. Given the prevalence of these chronic conditions and the size and nature of these gaps, the latter exact an important toll on patients, the health care system and society. In turn, complex barriers at the patient, provider and health care system levels contribute to each gap. There have been few previous attempts to bridge these gaps. Innovative and multifaceted implementation approaches are needed and have the potential to make a large impact on Canadian respiratory health.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 tête enseignante, 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 ».