Toward Standardized Monitoring of Patients With Chronic Diseases in Primary Care Using Electronic Medical Records: Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Long-term care for patients with chronic diseases poses a huge challenge in primary care. In particular, there is a deficit regarding monitoring and structured follow-up. Appropriate electronic medical records (EMRs) could help improving this but, so far, there are no evidence-based specifications concerning the indicators that should be monitored at regular intervals. OBJECTIVE: The aim was to identify and collect a set of evidence-based indicators that could be used for monitoring chronic conditions at regular intervals in primary care using EMRs. METHODS: We searched MEDLINE (Ovid), Embase (Elsevier), the Cochrane Library (Wiley), the reference lists of included studies and relevant reviews, and the content of clinical guidelines. We included primary studies and guidelines reporting about indicators that allow for the assessment of care and help monitor the status and process of disease for five chronic conditions, including type 2 diabetes mellitus, asthma, arterial hypertension, chronic heart failure, and osteoarthritis. RESULTS: The use of the term "monitoring" in terms of disease management and long-term care for patients with chronic diseases is not widely used in the literature. Nevertheless, we identified a substantial number of disease-specific indicators that can be used for routine monitoring of chronic diseases in primary care by means of EMRs. CONCLUSIONS: To our knowledge, this is the first systematic review summarizing the existing scientific evidence on the standardized long-term monitoring of chronic diseases using EMRs. In a second step, our extensive set of indicators will serve as a generic template for evaluating their usability by means of an adapted Delphi procedure. In a third step, the indicators will be summarized into a user-friendly EMR layout.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 découle