Establishment of a New Platform for the Management of Patients After Cardiac Surgery: Descriptive Study
Notice bibliographique
Résumé
BACKGROUND: Medical care for the Chinese population has been focused on first-line treatment, but with little follow-up on treated patients. As an important part of clinical work, follow-up evaluations are of great significance for the long-term survival of patients and for clinical and scientific research. However, the overall follow-up rate of discharged patients after surgery has been low for many years because of the limitations of certain follow-up methods and the presence of objective, practical problems. OBJECTIVE: This study aimed to construct a new two-way interactive telemedicine follow-up platform to improve the collection of clinical data after cardiac surgery and provide reliable and high-quality follow-up services. METHODS: Computer and network technologies were employed in the context of "Internet +" to develop follow-up databases and software compatible with a mobile network. Postoperative follow-up quality data including the follow-up rate and important postoperative indices were used as standards to evaluate the new follow-up management model after cardiac surgery. RESULTS: This system has been officially operated for more than 5 years. A total of 5347 patients undergoing cardiac surgery have been enrolled, and the total follow-up rate was 90.22%. In addition, 6349 echocardiographic images, 4717 electrocardiographic images, and 3504 chest radiographic images have been uploaded during follow-up assessments. The international standardized ratio was 20,696 person-times. CONCLUSIONS: This new management follow-up platform can be used to effectively collect clinical data, provide technical support for academic research, extend medical services, and provide more help to patients. It is of great significance for managing patients after cardiac surgery.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».