Controlled Trial of a Multifaceted Intervention for Improving Quality of Care for Rural Patients With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Despite good evidence and clinical practice guidelines, studies document that treatment of type 2 diabetes is less than optimal. Lack of resources or limited access may put patients in rural communities at particular risk for suboptimal care. RESEARCH DESIGN AND METHODS: We conducted a prospective, before/after study with concurrent controls to assess the effectiveness of a multidisciplinary diabetes outreach service (intervention) for improving the quality of care for rural patients with type 2 diabetes. Our intervention consisted of six monthly visits by a traveling team of specialist physicians, nurses, dieticians, and a pharmacist. The core of this service was specialist-to-rural primary care physician academic group detailing. Two comparable regions in Northern Alberta were randomly allocated to control or intervention. Data were collected before and 6 months after intervention in a representative volunteer sample. The primary outcome was a 10% improvement in any one of the following: blood pressure, total cholesterol, or HbA(1c). RESULTS: Our analysis included 200 intervention and 179 control subjects; 14 subjects were at all three primary outcome targets at baseline. The intervention was associated with a trend toward improvement in primary outcome at 6 months (44% intervention vs. 37% control; odds ratio 1.32, 95% CI 0.87-1.99). The intervention was associated with a significant improvement in blood pressure (42% intervention vs. 25% control, P = 0.004); however, there were only small, nonsignificant changes in cholesterol or HbA(1c). The intervention was associated with a significant increase in satisfaction with diabetes care. Multivariate adjustment for baseline differences between intervention and control subjects did not affect any of the main results. CONCLUSIONS: A diabetes outreach service has the potential to improve the quality of diabetes care for rural patients. Future studies need to involve longer timelines and larger sample sizes.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».