Can computerized clinical decision support systems improve diabetes management? A systematic review and meta‐analysis
Notice bibliographique
Résumé
AIMS: To systematically review randomized trials that assessed the effects of computerized clinical decision support systems in ambulatory diabetes management compared with a non-computerized clinical decision support system control. METHODS: We included all diabetes trials from a comprehensive computerized clinical decision support system overview completed in January 2010, and searched EMBASE, MEDLINE, INSPEC/COMPENDEX and Evidence-Based Medicine Reviews (EBMR) from January 2010 to April 2012. Reference lists of related reviews, included articles and Clinicaltrials.gov were also searched. Randomized controlled trials of patients with diabetes in ambulatory care settings comparing a computerized clinical decision support system intervention with a non-computerized clinical decision support system control, measuring either a process of care or a patient outcome, were included. Screening of studies, data extraction, risk of bias and quality of evidence assessments were carried out independently by two reviewers, and discrepancies were resolved through consensus or third-party arbitration. Authors were contacted for any missing data. RESULTS: Fifteen trials were included (13 from the previous review and two from the current search). Only one study was at low risk of bias, while the others were of moderate to high risk of bias because of methodological limitations. HbA1c (3 months' follow-up), quality of life and hospitalization (12 months' follow-up) were pooled and all favoured the computerized clinical decision support systems over the control, although none were statistically significant. Triglycerides and practitioner performance tended to favour computerized clinical decision support systems although results were too heterogeneous to pool. CONCLUSIONS: Computerized clinical decision support systems in diabetes management may marginally improve clinical outcomes, but confidence in the evidence is low because of risk of bias, inconsistency and imprecision.
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 | 0,032 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,031 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».