Integrated Management Program Advancing Community Treatment of Atrial Fibrillation (IMPACT-AF): A cluster randomized trial of a computerized clinical decision support tool
Notice bibliographique
Résumé
BACKGROUND: Clinical decision support (CDS) tools designed to digest, filter, organize, and present health data are becoming essential in providing clinical and cost-effective care. Many are not rigorously evaluated for benefit before implementation. We assessed whether computerized CDS for primary care providers would improve atrial fibrillation (AF) management and outcomes as compared to usual care. METHODS: Overall, 203 primary care providers were recruited, randomized, and then cluster stratified by location (urban, rural) to usual care (n = 99) or CDS (n = 104). Providers recruited 1,145 adult patients with AF to participate. The intervention was access to an evidenced-based, point-of-care computerized CDS designed to support guideline-based AF management. The primary efficacy outcome was a composite of unplanned cardiovascular hospitalizations and AF-related emergency department visits; the primary safety outcome was major bleeding, both over 1 year. Patients were the units of intention-to-treat analysis. RESULTS: No significant effects on the primary efficacy (130 control, 118 CDS, hazard ratio: 0.98 [95% CI 0.71-1.37], P = .926) or safety (n = 7 usual care, n = 8 CDS, 1.3% total, P = .939) outcomes were observed at 12-months. CONCLUSIONS: IMPACT-AF rigorously assessed a CDS tool in a highly representative sample of primary care providers and their patients; however, no impact on outcomes was observed. Considering the proliferating use of CDS applications, this study highlights the need for efficacy assessments prior to adoption and clinical implementation.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,000 | 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 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 ».