Lack of uniformity in screening, diagnosis and management of gestational diabetes mellitus among health practitioners across major cities of Pakistan
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
OBJECTIVE: To determine knowledge, attitude and practice (KAP) regarding management of Gestational Diabetes Mellitus (GDM) among Health Care Providers in major cities of Pakistan. METHODS: A knowledge, attitude and practice (KAP) questionnaire based study was conducted in major cities in Pakistan from health care providers in public and private hospitals and clinics. Questionnaires were provided to the health care providers regarding screening, diagnosis and management of patients with GDM. Data analysis was done using IBM SPSS 20. RESULTS: A total of 210 doctors took part in the study. 55 (26%) reported using fasting blood glucose as screening test for GDM whereas 129(61.4%) respondents used Oral Glucose Tolerance based WHO criteria for diagnosing GDM. Thirty six (17%) and 98(46.7%) doctors referred their patients to Gynecologists. For treating GDM, 64(30.5%) doctors prescribed insulin (NPH/Regular, 70/30 Mix). 112 (53.5) doctors used combination of capillary glucose by glucometer and plasma blood glucose tests for monitoring of glycemic control of patients with GDM. CONCLUSION: There is lack of agreed screening tests and criteria for diagnosis and management of GDM patients. Doctors need to be educated to follow evidence based diagnostic and management guidelines so that GDM patients can be effectively managed. Recently released South Asian Federation Societies and Pakistan Endocrine Society guidelines could be much needed consensus guidelines for doctors to apply in their daily practice to improve GDM diagnosis and treatment.
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 | 0,005 | 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 | 0,002 |
| 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 découle