An Observational Study of Gout Prevalence and Quality of Care in a National Australian General Practice Population
Notice bibliographique
Résumé
OBJECTIVE: The central strategy for effective gout management is longterm urate-lowering therapy to maintain the serum urate at a level below 0.36 mmol/l. We sought to determine the prevalence of gout and the quality of care in a national Australian general practice population. METHODS: Data were from general practice point-of-care electronic records over a 5-year period (n = 1,479,449). Information was collected on patients with gout according to a validated definition. All patients who visited the same general practices over the study period formed the denominator group. We determined the estimated prevalence of gout, the frequency of allopurinol prescription, and serum urate testing, and the percentage of patients achieving a target serum urate level. RESULTS: The crude prevalence of gout in this general practice population was 1.54% (95% CI 1.52-1.56). Prevalence in men was 2.67% and in women 0.53%. Prevalence increased with age in both men and women (4.90%, 95% CI 4.82-4.99, in men > 65 yrs). Allopurinol was prescribed to 57% of patients with gout during the 5 years of the study. Only 55% of patients with gout had their serum urate tested at any time during the 5-year study period. A target serum urate concentration of < 0.36 mmol/l at any time during the 5-year study period was documented in 22.4% of all people with gout. CONCLUSION: Gout is managed poorly in Australian primary care, with low levels of allopurinol prescribing and serum urate testing. Collectively, these factors probably contribute to low achievement of serum urate targets.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».