MétaCan
Menu
Retour à la cohorte
Enregistrement W2131435758 · doi:10.1097/mlr.0b013e3181ddc7b0

Comparative Effectiveness Research in DARTNet Primary Care Practices

2010· article· en· W2131435758 sur OpenAlexaboutno aff
Anne M. Libby, Wilson D. Pace, Cathy Bryan, H Anderson, Samuel L. Ellis, Richard R. Allen, Elias Brandt, Amy G. Huebschmann, D. R. F. West, Robert J. Valuck

Notice bibliographique

RevueMedical Care · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyAmbulatoryPoint of careAmbulatory careData collectionElectronic health recordPrimary careQuarter (Canadian coin)Family medicineComparative effectiveness researchMedical emergencyMEDLINEHealth careAlternative medicineNursing

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,137
score de la tête « metaresearch » (Gemma)0,239
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,723

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1370,239
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,490
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetDiabetes Management and EducationTravaux en français237 207