Partners in Lowering Cholesterol: Comparison of a Multidisciplinary Educational Program, Monetary Incentives, or Usual Care in the Treatment of Dyslipidemia Identified Among Employees
Notice bibliographique
Résumé
OBJECTIVE: We sought to assess whether either a low-cost educational intervention or small monetary incentive is more effective than usual care in lowering low-density lipoprotein (LDL) cholesterol among employees. METHODS: Employees with an LDL-C >130 mg/dL were eligible. After receiving on-line educational materials, subjects were assigned to three groups: group 1 received dollar 100 if they reduced their LDL-C by 15% within 6 months, group 2 participated in a multi-disciplinary educational program, and group 3 received no further intervention. RESULTS: In total, 171 employees participated. Baseline mean LDL-C was 156 mg/dL. Approximately 6 months after randomization, mean LDL-C was reduced 17.9 mg/dL (11.3%) in group 1, 17.9 mg/dL (11.5%) in group 2, and 5.5 mg/dL (3.5%) in group 3. Reductions in groups 1 and 2 were statistically superior to group 3 (P = 0.02). CONCLUSIONS: Both an employer directed low-cost educational program and small monetary incentives similarly lowered LDL-C compared with usual care.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».