Manejo de factores de riesgo cardiovascular en Venezuela mediante educación de los médicos que trabajan en atención primaria de salud
Notice bibliographique
Résumé
Estudios recientes en América Latina corroboraron la prevalencia de la hipertensión arterial, el colesterol elevado en plasma, los trastornos metabólicos y otros factores de riesgo cardiovascular (FRCV), todo esto sumado a la falta de control de la enfermedad, la escasa adhesión al tratamiento y el uso de pocas medidas preventivas, lo que derivó en la necesidad de educar tanto al médico como al paciente. Se han realizado estudios limitados para demostrar la eficacia del desarrollo profesional continuo y su capacidad de influir positivamente en los indicadores de salud del paciente. En Venezuela se llevó a cabo un estudio para tratar de medir la efectividad de un curso combinado basado en actividades online y presenciales sobre el manejo de los FRCV, dirigido a médicos que trabajan en atención primaria. Un grupo piloto de 37 médicos de atención primaria del área metropolitana de Caracas completó una intervención educativa de 12 semanas, la cual consistió en sesiones semanales en línea, utilizando la estrategia educativa basada en problemas sobre el manejo de los FRCV, así como talleres presenciales relacionados con los cambios de comportamiento del médico y del paciente, utilizando los principios de la educación terapéutica. Se trabajó con una cohorte de 303 pacientes con hipertensión arterial de grado I-II no controlada y/o colesterol plasmático elevado, y se llevó a cabo un seguimiento durante seis meses. Los resultados evidenciaron cambios significativos en los médicos respecto a los aspectos cognitivos y al estilo de su práctica profesional en el manejo de los FRCV. Los participantes se mostraron muy satisfechos con el contenido y el formato de la intervención educativa. De igual manera, encontramos un resultado positivo en la inducción de cambios en toda la cohorte de pacientes, sobre todo en el perfil lipídico, la presión arterial y la modificación del estilo de vida. Sería interesante su aplicación a mayor escala para medir su efectividad a largo plazo.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».