Medical Audit of Diabetes Mellitus in Primary Care Setting in Bosnia and Herzegovina
Notice bibliographique
Résumé
AIM: To assess the quality of diabetes care provided by family medicine teams in primary health centers in Bosnia and Herzegovina (BH) through a medical audit, addressing the extent to which clinical practice complied with pre-determined explicit criteria of long-term management. METHOD: Retrospective analysis included randomly selected medical records of patients with type 1 or 2 diabetes mellitus treated by 18 family medicine teams at 5 locations in BH, included in the Canadian International Development Agency/World Health Organization project "Strengthening health care systems in BH with focus on primary health care/family medicine model." Audit record form contained 24 questions on sex, age, diabetes type, body mass index (BMI), hypertension, family anamnesis, annual examinations (HbA1C, BMI, lipid profile or total cholesterol, blood creatinine, neurological examination, urinalysis for albuminuria, foot care, and examination of ocular fundus), smoking habits, alcohol consumption, patient education, prescribed insulin and other drugs, and patient's health care-seeking behavior. Standardized and record forms were returned anonymously with 99.3% response rate. RESULTS: Records of 536 patients with diabetes were analyzed (64% women and 87% patients with diabetes mellitus type 2). Family medicine teams showed poor compliance with established criteria for diabetes control. Metabolic control (69.5%) was acceptable, but the level of monitoring complications of diabetes (foot and ocular fundus examined in 53.4% and 53% of patients, respectively) was low. There were also considerable variations in diabetes management between different centers as well as between the teams in the same center. CONCLUSION: The audit revealed deficiencies in the quality of diabetes care and variations in care provision between primary care teams. Clinical guidelines and continuing education about acceptable diabetes care should be developed and implemented in BH.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».