Introduction of the chronic care model into an academic rheumatology clinic
Notice bibliographique
Résumé
BACKGROUND: While the chronic care model has been extensively used for the management of patients with diabetes in non-academic, primary care settings, it is not clear whether this model can be used effectively in academic, specialty clinics for other chronic disorders. METHODS: Through the Academic Chronic Care Collaborative, the chronic care model was introduced to help manage patients with osteoarthritis in an academic rheumatology service with seven prespecified goals. These goals included measurements of Western Ontario MacMaster (WOMAC) osteoarthritis scores, self-efficacy scores and exercise time. RESULTS: Five a priori goals were achieved in this study: average WOMAC scores less than 1000 mm as measured on a visual analogue scale, average self-efficacy score of less than 5 mm, average exercise time greater than 90 min, more than 40% of patients exercising at least 60 min per week and a 20% improvement in self-efficacy scores. However, a 20% improvement in WOMAC scores and a 60% completion of documented self-management goals in our patients were not achieved. Our inability to achieve our self-management goal underscores the fact that we have not yet fully implemented the chronic care model into our practice. The inability to detect a 20% improvement in WOMAC scores in the context of having reached our absolute WOMAC goal at baseline suggests a probable ceiling effect for this measure. CONCLUSIONS: The chronic care model can be effectively introduced into an academic specialty service and can be used effectively in the management of patients with non-diabetic disorders, in this case osteoarthritis.
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 | 0,000 |
| 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 ».