Feedback and training tool to improve provision of preventive careby physicians using EMRs: a randomised control trial
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: 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.
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 | 0,014 | 0,002 |
| 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 | 0,001 |
| 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