Gaps in care for rheumatoid arthritis: A population study
Notice bibliographique
Résumé
OBJECTIVE: Treatment guidelines for rheumatoid arthritis (RA) now recommend early, aggressive, and persistent use of disease-modifying antirheumatic drugs (DMARDs) to prevent joint damage in all people with active inflammation, and evaluation by a rheumatologist, when possible. This research assesses whether care for RA, at a population level, is consistent with current treatment guidelines. METHODS: Using administrative billing data from the Ministry of Health in 1996-2000, all prevalent RA cases in British Columbia, Canada were identified. Data were obtained on all medications and all provincially-funded health care services. RESULTS: We identified 27,710 RA cases, yielding a prevalence rate of 0.76%, consistent with epidemiologic studies. DMARD use was inappropriately low. Only 43% of the entire RA cohort received a DMARD at least once over 5 years, and 35% over 2 years. When used, DMARDs were started in a timely fashion, but were not used consistently. Care by a rheumatologist increased DMARD use 31-fold. Yet, only 48% and 34% saw a rheumatologist over 5 and 2 years, respectively. DMARD use was significantly more frequent, persistent, and more often used as combination therapy with continuous rheumatologist care. DMARDs were used by 84% and 73%, 40%, and 10% of people followed by rheumatologists continuously and intermittently, internists, and family physicians, respectively (P < 0.001). NSAID use, physiotherapy, and orthopedic surgeries were similar across these 4 care groups. CONCLUSION: RA care in the British Columbia population was not consistent with current treatment guidelines. Efforts to educate family physicians and consumers about the shift in RA treatment paradigms and to improve access to rheumatologists are needed.
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 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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».