Knee osteoarthritis clinical practice guidelines -- how are we doing?
Notice bibliographique
Résumé
OBJECTIVE: To determine the degree to which documented knee osteoarthritis (OA) care in a teaching rheumatology clinic corresponds to evidence-based treatment guidelines. METHODS: The charts of 105 randomly selected patients meeting criteria for knee OA were reviewed. The patients received care from 3 rheumatologists working in a major Canadian teaching center between 2002 and 2005. The chart abstraction tool was based on European League Against Rheumatism, American College of Rheumatology, and The Arthritis Society guidelines for OA treatment. Descriptive statistics were used for patient demographics and the proportion of patients receiving recommended care. RESULTS: The most frequently recommended nonpharmacologic treatments were any kind of exercise (58.1%), weight loss in those overweight (50.0%), physiotherapy (42.9%), and strengthening exercise (40.0%). Other nonpharmacologic treatments were documented in less than 30% of patient charts. The most frequently prescribed pharmacologic treatments were acetaminophen (68.6%), intraarticular (IA) corticosteroids (65.7%), nonsteroidal antiinflammatory drugs/cyclooxygenase-2-selective inhibitors (COXIB; 50.5%), and IA hyaluronans (43.8%). Topical pharmaceuticals, glucosamine/chondroitin, and opioid analgesics were recommended to less than 20% of the patients. Exploratory analyses suggested the following factors may be associated with increased documentation of recommended care: female sex, younger age, overweight, more clinic visits, decreased symptom length, and the individual rheumatologist. CONCLUSION: Nonpharmacologic knee OA treatments currently recommended by practice guidelines were seldom documented in patients' charts in this Canadian rheumatology teaching center. These findings are similar to studies conducted before the practice guidelines became available and to results reported from general practices. This suggests the need for reminder systems or other strategies to promote physician adherence to current guidelines.
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 | 0,036 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».