Comparative Effectiveness Research in DARTNet Primary Care Practices
Notice bibliographique
Résumé
BACKGROUND: The Distributed Ambulatory Research in Therapeutics Network (DARTNet) is a federated network of electronic health record (EHR) data, designed as a platform for next-generation comparative effectiveness research in real-world settings. DARTNet links information from nonintegrated primary care clinics that use EHRs to deliver ambulatory care to overcome limitations with traditional observational research. OBJECTIVE: Test the ability to conduct a remote, electronic point of care study in DARTNet practices by prompting clinic staff to obtain specific information during a patient encounter. RESEARCH DESIGN: Prospective survey of patients identified through queries of clinical data repositories in federated network organizations. On patient visit, survey is triggered and data are relinked to the EHR, de-identified, and copied for evaluation. SUBJECTS: Adult patients diagnosed with diabetes mellitus that scheduled a clinic visit for any reason in a 2-week period in DARTNet primary care practices. MEASURES: Survey on hypoglycemic events (past month) and over-the-counter and herbal supplement use. RESULTS: DARTNet facilitated point of care data collection triggered by an electronic prompt for additional information at a patient visit. More than one-third of respondents (33% response rate) reported either mild (45%) or severe hypoglycemic events (5%) in the month before the survey; only 3 of those were also coded using the ICD-9 (a significant difference in detection rates 37% vs. 1%). Nearly one-quarter of patients reported taking an OTC/herbal, 4% specifically for the treatment of symptoms of diabetes. CONCLUSIONS: Prospective data collection is feasible in DARTNet and can enable comparative effectiveness and safety research.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».