The development and testing of a nurse practitioner secondary prevention intervention for patients after acute myocardial infarction: A prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Patients with acute myocardial infarction (AMI) are at high risk for reinfarction and death. Therapies that have been shown to reduce these risks (secondary prevention) continue to be underutilized. Nurse practitioners are well positioned to provide secondary prevention during and following hospitalization. OBJECTIVES: The purpose of this study was to evaluate the effects of NP care on the rate of provider implementation and patient achievement of evidence-based secondary prevention target goals. DESIGN: A prospective cohort design was used, which compared achievement of target goals between patients who received secondary prevention care from an NP to those who received usual care. PARTICIPANTS: The sample consisted of 65 patients with AMI, admitted to a large community hospital. Patients meeting eligibility criteria were recruited consecutively. METHODS: The intervention was delivered by the NP before discharge from hospital and one week, two weeks, six weeks and 3 months after discharge. Data on patients' achievement of goals were obtained before discharge from hospital and 3 months after discharge from both groups. RESULTS: This study's results provide preliminary evidence that an NP delivered secondary prevention intervention can significantly improve achievement of the following target goals when compared to usual care: smoking cessation (OR 5), blood pressure (OR 15), attendance at cardiac rehabilitation (OR 7), physical activity five days a week (OR 17), physical activity ≥ five days a week (OR 34), achieving a glycated haemoglobin < 7% in those with diabetes (OR 10), triglyceride levels (p = .02), statin use at follow-up (p = .05), and number of weeks to cardiac rehabilitation (p = .05). CONCLUSION: NP-led interventions such as this warrant duplication to evaluate reproducibility of the intervention and to determine if short-term improvements in secondary prevention goals translate into morbidity and mortality benefits.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».