Chronic disease management interventions for people with chronic kidney disease in primary care: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Primary care providers manage the majority of patients with chronic kidney disease (CKD), although the most effective chronic disease management (CDM) strategies for these patients are unknown. We assessed the efficacy of CDM interventions used by primary care providers managing patients with CKD. Methods: The Medline, Embase and Cochrane Central databases were systematically searched (inception to November 2014) for randomized controlled trials (RCTs) assessing education-based and computer-assisted CDM interventions targeting primary care providers managing patients with CKD in the community. The efficacy of CDM interventions was assessed using quality indicators [use of angiotensin-converting enzyme inhibitor (ACEI) or angiotensin receptor blocker (ARB), proteinuria measurement and achievement of blood pressure (BP) targets] and clinical outcomes (change in BP and glomerular filtration rate). Two independent reviewers evaluated studies for inclusion, quality and extracted data. Random effects models were used to estimate pooled odds ratios (ORs) and weighted mean differences for outcomes of interest. Results: Five studies (188 clinics; 494 physicians; 42 852 patients with CKD) were included. Two studies compared computer-assisted intervention strategies with usual care, two studies compared education-based intervention strategies with computer-assisted intervention strategies and one study compared both these intervention strategies with usual care. Compared with usual care, computer-assisted CDM interventions did not increase the likelihood of ACEI/ARB use among patients with CKD {pooled OR 1.00 [95% confidence interval (CI) 0.83-1.21]; I2 = 0.0%}. Similarly, education-related CDM interventions did not increase the likelihood of ACEI/ARB use compared with computer-assisted CDM interventions [pooled OR 1.12 (95% CI 0.77-1.64); I2 = 0.0%]. Inconsistencies in reporting methods limited further pooling of data. Conclusions: To date, there have been very few randomized trials testing CDM interventions targeting primary care providers with the goal of improving care of people with CKD. Those conducted to date have shown minimal impact, suggesting that other strategies, or multifaceted interventions, may be required to enhance care for patients with CKD in the community.
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 | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,022 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».