iConnect CKD – virtual medical consulting: A web‐based chronic kidney disease, hypertension and diabetes integrated care program
Notice bibliographique
Résumé
AIMS: Chronic kidney disease patients overwhelm specialist services and can potentially be managed in the primary care (PC). Opportunistic screening of high risk (HR) patients and follow-up in PC is the most sustainable model of care. A 'virtual consultation' (VC) model instead of traditional face to face (F2F) consultations was used, aiming to assess efficacy and safety of the model. METHODS: +/- albuminuria >30 mg/mmol/L) were randomized to either VC or F2F. Patients were monitored in 6 monthly follow-up cycles by a Clinical Nurse Specialist. The specialist team provided virtual or clinical support and included a Nephrologist, Endocrinologist, Cardiologist and Renal 'Palliative' Supportive Care. RESULTS: Sixty one (87%) patients were virtually tracked or consulted with 14 (23%) being HR. At 12 months, there was no difference in outcomes between VC and F2F patients. All patients were successfully monitored. General practitioners reported a high level of satisfaction and supported the model, but found software integration challenging. Patients found the system attractive and felt well managed. Specialist consults occurred within a week, and if a second specialist opinion was required, it took another 2 weeks. CONCLUSIONS: The programme demonstrated safe, expedited and efficient follow up with a clinical and web based programme. Support from the general practitioners and patients was encouraging, despite logistical issues. Ongoing evaluation of VC services will continue and feasibility to larger networks and more chronic diseases remains the long term goal.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».