Notice bibliographique
Résumé
BACKGROUND: Previous studies have examined the relevance of hypertension (HTN) screening in walk-in clinics. So far, no valid algorithm has been proposed on how to integrate HTN screening in this context. The aim of our study was to assess, in a walk-in clinic setting, the HTN screening strategy for performing an automated office blood pressure (AOBP) measurement following an initially high office blood pressure (OBP) measurement. PATIENTS AND METHODS: Included participants were adults with nonemergent medical conditions and an initial walk-in clinic OBP between systolic 140 and/or diastolic 90 mmHg and systolic 180 and/or diastolic 110 mmHg. AOBP was performed with patients unattended. The 24-h ambulatory blood pressure measurement (ABPM) was used as the diagnostic threshold. RESULTS: Fifty participants were included in the study. The overall HTN prevalence as confirmed by the 24-h ABPM was 46% [95% confidence interval (CI): 32.19-59.81]. After an elevated OBP, AOBP over diagnostic thresholds occurred in 32 patients and were confirmed by ABPM in 20 participants, leading to a 62.5% positive predictive value (95% CI: 51.5-72.3%). Measurements under the AOBP diagnostic threshold occurred in 18 patients and were confirmed by ABPM in 15 participants, leading to a negative predictive value of 83.3% (95% CI: 62.3-93.8%). CONCLUSION: In a walk-in clinic, an elevated OBP is a useful screening tool due its ability to recognize nearly one in two patients as actually hypertensive. Adding an AOBP makes it possible to specify what course of action to take. This ultimately results in better targeting of patients for an ABPM referral.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».