A primary care cardiovascular risk reduction clinic in Canada was more effective and no more expensive than usual on-demand primary care - a randomised controlled trial
Notice bibliographique
Résumé
The objective of this randomised controlled trial was to compare the effects and expense of three approaches to care (1) proactive cardiovascular risk reduction (CaRR) clinic; (2) nurse telephone calls; or (3) usual care for people with cardiovascular risk factors in a Primary Care, Health Service Organisation (HSO) in Ontario, Canada. Subjects included consenting patients with an identified cardiovascular disease (CVD) risk factor identified from the HSO computerised patient information system in 2004. Patients were excluded if they were mentally incompetent, <18 years of age, in a nursing home, or not English speaking. Of 1570 eligible subjects, 523 (33.3%) verbally declined, 145 (9.2%) could not be contacted, and 249 (15.9%) were not needed. The final sample size was 653 (41.6%), 634 completed the follow-up (97%). The Cardiovascular Risk Score, Health and Social Service Utilisation, Montgomery-Asberg Depression Rating, Billings and Moos Indices of Coping, Personal Resource and Self-Efficacy Questionnaires were measured at baseline and 1-year follow-up by clinical examination and telephone interview. Cardiovascular risk scores were reduced in all treatment groups after 1 year. The proportions of subjects showing reduction in risk score greater than or equal to 10% was greatest in the CaRR group (69.2%) compared with Nurse Phone intervention (57.8%) and Usual Care (59.0%) (M-Hchi(2) = 4.33, df = 1, P = 0.037, CaRR-Usual Care). Self-efficacy scores showed the greatest improvements in the CaRR clinic. This effect was achieved with no significant difference in total person per annum costs for direct and indirect health and social service utilisation between all three groups. A CaRR clinic is more effective in reducing CVD risk after 1 year compared with nurse phone intervention and usual care with no additional expense found.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».