Uptake and Utilization of the Management of Anticoagulation in the Periprocedural Period App: Longitudinal Analysis
Notice bibliographique
Résumé
BACKGROUND: Anticoagulants are major contributors to preventable adverse drug events, and their optimal management in the periprocedural period is particularly challenging. Traditional methods of disseminating clinical guidelines and tools cannot keep pace with the rapid expansion of available therapeutic agents, approved indications for use, and published medical evidence, so a mobile app, Management of Anticoagulation in the Periprocedural Period (MAPPP), was developed and disseminated to provide clinicians with guidance that reflects the most current medical evidence. OBJECTIVE: The objective of this study was to assess the global, national, and state-level acquisition of a mobile app since its initial release and characterize individual episodes of use based on drug selection, procedural bleeding risk, and patient thromboembolic risk. METHODS: Data were extracted from a mobile app usage tracker (Google Analytics) to characterize new users and completed episodes temporally (by calendar quarter) and geographically (globally, nationally, and in the targeted US state of New York) for the period between April 1, 2016 and September 30, 2017. RESULTS: The app was acquired by 2866 new users in the measurement period, and the users completed nearly 10,000 individual episodes of use. Acquisition and utilization spanned 51 countries globally, predominantly in the United States and particularly in New York State. Warfarin and rivaroxaban were the most frequently selected drugs, and completed episodes most frequently included the selection of high bleeding risk (4888/9963, 49.06%) and high thromboembolic risk categories (4500/9963, 45.17%). CONCLUSIONS: The MAPPP app is a successful means of disseminating current guidance on periprocedural anticoagulant use, as indicated by broad global uptake and upward trends in utilization. Limitations in access to provider and patient-specific data preclude objective evaluation of the clinical impact of the app. An ongoing study incorporating app logic into electronic health record systems at participant health systems will provide a more definitive evaluation of the clinical impact of the app logic.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».