Reduction in Diabetes-Related Major Amputation Rates After Implementation of a Multidisciplinary Model: An Evaluation in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: Diabetes-related lower limb amputations (LLAs) are a major complication that can be reduced by employing multidisciplinary center frameworks such as the Toe and Flow model (TFM). In this study, we investigate the LLAs reduction efficacy of the TFM compared to the standard of care (SOC) in the Canadian health-care system. METHODS: We retrospectively reviewed the anonymized diabetes-related LLA reports (2007-2017) in Calgary and Edmonton metropolitan health zones in Alberta, Canada. Both zones have the same provincial health-care coverage and similar demographics; however, Calgary operates based on the TFM while Edmonton with the provincial SOC. LLAs were divided into minor and major amputation cohorts and evaluated using the chi-square test, linear regression. A lower major LLAs rate was denoted as a sign for higher efficacy of the system. RESULTS: Although LLAs numbers remained relatively comparable (Calgary: 2238 and Edmonton: 2410), the Calgary zone had both significantly lower major (45%) and higher minor (42%) amputation incidence rates compared to the Edmonton zone. The increasing trend in minor LLAs and decreasing major LLAs in the Calgary zone were negatively and significantly correlated (r = -0.730, p = 0.011), with no significant correlation in the Edmonton zone. CONCLUSIONS: Calgary's decreasing diabetes-related major LLAs and negative correlation in the minor-major LLAs rates compared to its sister zone Edmonton, provides support for the positive impact of the TFM. This investigation includes support for a modernization of the diabetes-related limb preservation practice in Canada by implementing TFMs across the country to combat major LLAs.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».