Clinical decision support to improve blood pressure control in hemodialysis patients: a nonrandomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Computer-based clinical decision support aims to improve the quality of patient care. The utility of decision support for improving blood pressure control in hemodialysis patients is unknown. METHODS: This was a nonrandomized controlled trial of adult patients receiving chronic in-center hemodialysis during the period of April 1, 2005, to September 30, 2006, in 1 of the 2 major university-based renal programs in Alberta, Canada. Physicians in the intervention center were provided with twice-monthly audits and printed management suggestions based on guideline-recommended blood pressure targets. The same data were available to physicians in the control group but without audit and feedback decision support. RESULTS: Eight hundred and thirty hemodialysis patients were receiving dialysis treatment at the time the study was initiated. Preintervention and postintervention blood pressure data were available for 361 patients. The primary outcome, the proportion of postdialysis systolic blood pressures at target over 12 months, did not differ between the intervention and the control programs (unadjusted odds ratio 0.59; 95% confidence interval [95% CI], 0.34-1.02, p = 0.06; adjusted odds ratio 0.62; 95% CI, 0.35-1.11, p = 0.11). There was no significant difference between the intervention and control groups in other measures of blood pressure such as the mean change in postdialysis systolic blood pressures (unadjusted mean difference 4 mm Hg, 95% CI, -1 to 9, p = 0.36; adjusted mean difference 2 mm Hg, 95% CI, -1 to 5, p = 0.19). CONCLUSIONS: In this population of chronic hemodialysis patients, a computer-based clinical decision support system was not associated with improved blood pressure control.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».