Accuracy of Telemedicine in Detecting Uncontrolled Hypertension and Its Impact on Patient Management
Notice bibliographique
Résumé
This study was aimed at assessing the diagnostic accuracy of telemedicine among hypertensive patients. This was a cross-sectional analysis of patients attending a hypertension clinic over a year-long study. Patients were seen both by telemedicine and in-person on the same day with order of the encounters randomly determined. A telemedicine system, which utilized phone lines, was employed. For each type of encounter, whether telemedicine (TM) or in-person (IP), clinical data on blood pressure (BP) control as well as physician ordering patterns were collected. Receiver Operator Characteristic (ROC) curves were used to assess the validity of TM as compared to IP in the assessment of uncontrolled hypertension. Sixty-two patients participated resulting in 107-paired visits over the year-long study period. The mean age of the 62 participants was 67.1 +/- 11.4 years; 56.6% were men. ROC curves for detecting elevated mean blood pressure provided an area under the curve (auc) of 0.87 (95% CI, 0.80-0.95). ROC curves for the detection of uncontrolled systolic hypertension provided an auc of 0.86 (95% CI, 0.78-0.93). Telemedicine-determined BP differed slightly, but statistically significant (p < 0.05), from IP assessments. Meanwhile, there was no difference in ordering diagnostic tests or therapeutics detectable between the two encounter types. Telemedicine proved to be a valid means for detecting uncontrolled BP among hypertensive patients.
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 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».