Effectiveness of Quality Improvement Strategies for the Management of CKD
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Quality improvement interventions have enhanced care for other chronic illnesses, but their effectiveness for patients with CKD is unknown. We sought to determine the effects of quality improvement strategies on clinical outcomes in adult patients with nondialysis-requiring CKD. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: We conducted a systematic review of randomized trials, searching Medline and the Cochrane Effective Practice and Organization of Care database from January of 2003 to April of 2015. Eligible studies evaluated one or more of 11 prespecified quality improvement strategies, and prespecified study outcomes included at least one process of care measure, surrogate outcome, or hard clinical outcome. We used a random effects model to estimate the pooled risk ratio (RR; dichotomous data) or the mean difference (continuous data). RESULTS: =30,042 patients). Quality improvement strategies reduced dialysis incidence (seven trials; RR, 0.85; 95% confidence interval [95% CI], 0.74 to 0.97) and LDL cholesterol concentrations (four trials; mean difference, -17.6 mg/dl; 95% CI, -28.7 to -6.5), and increased the likelihood that patients received renin-angiotensin-aldosterone system inhibitors (nine trials; RR, 1.16; 95% CI, 1.06 to 1.27). We did not observe statistically significant effects on mortality, cardiovascular events, eGFR, glycated hemoglobin, and systolic or diastolic BP. CONCLUSIONS: Quality improvement interventions yielded significant beneficial effects on three elements of CKD care. Estimates of the effectiveness of quality improvement strategies were limited by study number and adherence to quality improvement principles. PODCAST: This article contains a podcast at https://www.asn-online.org/media/podcast/CJASN/2017_09_06_CJASNPodcast_17_10.mp3.
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 | 0,031 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,012 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».