Can blood pressure measurements taken in the physician’s office avoid the ‘white coat’ bias?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Obtaining an accurate blood pressure (BP) reading is vital for diagnosing hypertension. However, BP measures taken in the physician's clinic (CBP) are subject to the 'white coat' bias. Measurements taken outside the office using ambulatory (ABP) and home (HBP) monitoring are superior predictors of cardiovascular diseases compared with CBP, but ABP remains underutilized because of the effort and expense involved. Unfortunately, HBP has limitations, including questionable device validity and patient compliance. Thus, it is important to identify feasible alternative techniques to measure BP in the office that will increase the accuracy of the diagnosis. METHODS: Auscultatory BP was measured in 249 patients in a nonclinical setting by trained technicians (NCBP); on the following day, patients were taken to their physician (CBP). They were also given an HBP monitor, and a 36 h ABP monitoring. Because ABP is considered the gold standard for prediction of cardiovascular disease, these readings were used as the criterion in a statistical model in which CBP, HBP, and NCBP were entered as predictors. The level of agreement between measurements was estimated. RESULTS: Multiple regression analysis showed that HBP and NCBP (P < 0.001) explained 94 and 87% of the variance in systolic and diastolic ABP, respectively. The agreement between NCBP and ABP was greater than that between CBP and ABP or between HBP. CONCLUSION: When ABP monitoring and HBP monitoring are not options, the NCBP at the clinic can avoid the white coat bias and therefore improve diagnosis.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle