Effectiveness of an Outreach Model of Care for Rheumatology Specialty Clinics to an On-Reserve First Nations Community
Notice bibliographique
Résumé
A model of care consisting of rheumatology specialty services embedded in the primary care system on a First Nations reserve was instituted to reduce barriers to care and improve inflammatory arthritis outcomes for patients. We assessed the effectiveness of this model of care on disease activity measures and patient-reported outcomes over 7 years. Patients were enrolled in a longitudinal cohort at the Siksika Nation in Alberta. Clinical characteristics, treatment recommendations and disease activity measures were systematically recorded over follow-up. Mixed-model regression was performed to determine rates of change for continuous measures. 59 participants (78% female; M = 47 years, SD = 13), predominantly with rheumatoid arthritis (RA; n = 36), were followed for an average of 29 months (SD = 23). Swollen and tender joint counts decreased significantly (change per month: -0.20, 95% CI -0.29 to -0.10, and -0.20, 95%CI -0.34 to -0.06, respectively) but pain, physician global and function scores did not significantly improve (all p > 0.05). Patient global evaluation scores worsened over time (change per month 0.08, 95%CI 0.029 to 0.131, p = 0.002). Inflammatory markers improved at a slower rate in patients with incident compared to incident disease. Disease-modifying agents were escalated for moderate or high disease activity at 64% of RA visits, with justifications for not escalating or application of local treatment approaches in all but one instance. Despite improvement in swollen and tender joint counts and adherence to current treatment paradigms, patient-reported outcomes did not significantly improve during follow-up. Further innovation is required to meet relevant outcomes.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».