Notice bibliographique
Résumé
BACKGROUND: Computerized decision support systems (CDSSs) linked with electronic medical records (EMRs) are promoted as an effective means of improving patient care. However, very few high-quality studies are set in routine, community-based clinical care, and no consistent evidence of an effect on patient outcomes has been found. METHODS: A randomized controlled trial among EMR-using primary care practices in Ontario, Canada. Patients 55 years or older with previous vascular events, diabetes mellitus, hypertension, or hypercholesterolemia were randomized to the Computerization of Medical Practices for the Enhancement of Therapeutic Effectiveness (COMPETE III) CDSS intervention or to usual care. The intervention included personally tailored electronic vascular risk monitoring and treatment advice shared between the physician and patient, risk calculation, and a clinical resource. The primary outcome was a composite score of 8 recommended process outcomes at 1 year. Data collectors were blinded to group allocation. Analysis used the intention-to-treat principle with multiple imputation for missing data. RESULTS: We randomized and included in the analysis 1102 patients in 49 community-based physician practices (53.4% female; mean age, 69.1 years; 28.0% with a previous vascular event). The intervention group (545 [49.5%]) had a significantly greater improvement in mean process composite, with a difference of 4.70 (P < .001) on a 27-point scale. Intervention patients had significantly higher odds of rating their continuity of care (4.18; P < .001) and their ability to improve their vascular health (3.07; P < .001) as improved. Despite this improvement, the clinical outcomes-vascular events, clinical variables, and quality of life-were not improved. CONCLUSION: Despite favorable reviews and important improvements in the complex processes required to reduce vascular risk, clinical outcomes remain unchanged.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».