Quality indicators to measure blood pressure management over a timeinterval
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Quality indicators are an important part of the primary care landscape, but focus strongly on point-in-time measurements, such as a patient's last blood pressure (BP) measurement. There is a larger space of possible measurements, including ones that more explicitly consider management over an interval of time. OBJECTIVE: To determine the predictive abilities of five different quality indicators related to poor BP control. METHODS: Data from two New Zealand general practices was analysed on five BP control indicators for patients with diagnosed hypertension: 1) last BP high (>150/90 mmHg); 2) last BP high or no BP measurement; 3) two or more consistently high BP measurements for ≥ 90 days; 4) a high BP then lapse of >120 days in BP measurement; and 5) antihypertensive medication possession ratio (MPR) of <80%. Probability that a patient would be identified by each indicator for the nine-month evaluation period ending 31 March 2009 was computed for each indicator one quarter, two quarters and three quarters prior to this date. Associations among the five indicators for the evaluation period were also calculated. RESULTS: Positive predictive value (PPV) of indicators for the same indicator nine months later ranged from 27% (last BP high) to 64% (MPR). PPVs among the five measures with respect to the same time period ranged from 9% to 77% (median 33%). CONCLUSIONS: Modest PPVs between indicators suggest the importance of considering multiple indicators to incentivise best management across diverse aspects of BP control.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle