MétaCan
Menu
Retour à la cohorte
Enregistrement W1907859649 · doi:10.14236/jhi.v19i3.807

Feedback and training tool to improve provision of preventive careby physicians using EMRs: a randomised control trial

2011· article· en· W1907859649 sur OpenAlexaff
Heather Maddocks, Moira Stewart, Amardeep Thind, Amanda Terry, Vijaya Chevendra, Neil Marshall, Louisa Bestard Denomme, Sonny Cejic

Notice bibliographique

RevueJournal of Innovation in Health Informatics · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineIntervention (counseling)Randomized controlled trialTest (biology)Medical recordFamily medicineNursingPhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Electronic medical records (EMRs) have the potential to improve the provision of preventive care by allowing general practitioners (GPs) to track and recall eligible patients and record testing for feedback on their service provision. OBJECTIVE: This study evaluates the effect of an educational intervention and feedback tool designed to teach GPs how to use their EMRs to improve their provision of preventive care. METHODS: A randomised controlled trial comparing rates of mammography, Papanicolaou tests, faecal occult blood tests and albumin creatinine ratios one-year pre- and post-intervention was conducted. Nine primary care practices (PCPs) representing over 30 000 patients were paired by practice size and experience of GPs, and randomly allocated to intervention or control groups. Physicians at the four intervention practices received a two-hour feedback session on their current level of preventive care and training to generate eligible patient lists for preventive services from their EMR database. RESULTS: One-year post-intervention results provided no evidence of a difference. The intervention was not a significant predictor of the one-year postintervention test rates for any of the four tests. On average, the intervention practices increased postintervention test rates on all tests by 16.8%, and control practices increased by 22.3%. CONCLUSION: The non-significant results may be due to a variety of reasons, including the level of intensity of the educational intervention, the cointervention of a government programme which provided incentives to GPs meeting specific targets for preventive care testing or the level of recording of tests performed in the EMR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,420
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Innovation in Health InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207