Community pharmacist outreach program directed at physicians treating congestive heart failure
Notice bibliographique
Résumé
The predictive value of digoxin and furosemide treatment for identifying patients receiving treatment for congestive heart failure (CHF), the use of angiotensin-converting-enzyme (ACE) inhibitors in this population, and the ability of a pharmacist outreach program to address underutilization of ACE inhibitors were studied. All physicians and owner-managers of community pharmacies on Newfoundland's Avalon Peninsula were asked to participate in the study. Pharmacists who agreed to participate were asked to list patients of the participating physicians with prescriptions for (1) furosemide and digoxin with and without an ACE inhibitor or angiotensin II-receptor inhibitor and (2) an ACE inhibitor. Physicians were visited by a pharmacist and asked whether each of their patients receiving digoxin and furosemide was being treated for CHF and to identify further cases of CHF among their patients receiving an ACE inhibitor. Intervention-group physicians received academic detailing on the use and dosage of ACE inhibitors and angiotensin II-receptor inhibitors for CHF. Both groups were reinterviewed after three months to establish what if any changes in therapy had occurred for each patient discussed during the first visit. The positive predictive value of digoxin and furosemide treatment for identifying patients receiving treatment for CHF was 94%. Seventy-six percent of patients identified by physicians as CHF patients who were taking digoxin and furosemide were treated with an ACE inhibitor. Thirty-six percent of patients treated with an ACE inhibitor for CHF received the targeted dosage. Four physicians stated that the outreach visit influenced their prescribing, but there was no significant difference in ACE inhibitor prescribing between the intervention and control groups. A pharmacist outreach program involving the use of prescription records and academic detailing did not affect prescribing or dosages of ACE inhibitors but demonstrated value as a quality assurance tool.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».