Impact of a Web-Portal Intervention on Community ADHD Care and Outcomes
Notice bibliographique
Résumé
BACKGROUND: The quality of care for children with attention-deficit/hyperactivity disorder (ADHD) delivered in community-based pediatric settings is often poor. Interventions have been developed to improve community-based ADHD care but have not demonstrated that better care results in improved patient outcomes. The objective of this study was to determine whether an ADHD quality improvement (QI) intervention for community-based pediatric practices improves patient outcomes. METHODS: A cluster randomized controlled trial was conducted in which 50 community-based pediatric primary care practices (213 providers) were randomized either to receive a technology-assisted QI intervention or to a control condition. The intervention consisted of 4 training sessions, office flow modification, guided QI, and an ADHD Internet portal to assist with treatment monitoring. ADHD treatment processes and parent- and teacher-rated ADHD symptoms over the first year of treatment were collected for 577 patients. RESULTS: Intent-to-treat analyses examining outcomes of all children assessed for ADHD were not significant (b = -1.97, P = .08). However, among the 373 children prescribed ADHD medication, there was a significant intervention effect (b = -2.42, P = .04) indicating greater reductions in parent ratings of ADHD symptoms after treatment among patients treated by intervention physicians compared with patients treated at control practices. There were no group differences on teacher ratings of ADHD symptoms. ADHD treatment care around medication was significantly better at intervention practices compared with control practices. CONCLUSIONS: A technology-assisted QI intervention improved some ADHD care quality and resulted in additional reductions in parent-rated ADHD symptoms among patients prescribed ADHD medications.
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 | 0,000 | 0,000 |
| 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 ».