MétaCan
Menu
Retour à la cohorte
Enregistrement W3024393692

Comparison of Family Medicine and General Internal Medicine on Diabetes Management.

2019· article· en· W3024393692 sur OpenAlexaff
Kimberly A. Zoberi, Joanne Salas, Cassie N Morgan, Jeffrey F. Scherrer

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicDiabetes mellitusSpecialtyMedical prescriptionInternal medicineMetforminType 2 diabetesDiabetes managementMedical recordGeePrimary careGeneralized estimating equationFamily medicineInsulinEndocrinologyNursing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The majority of patients with type 2 diabetes are managed in primary care, either in family medicine (FM) or general internal medicine (GIM). Variances in training, beliefs and practice decisions between FM and GIM may result in differing approaches to diabetes management. This study found that differences do exist in the choice of treatment by FM vs GIM; however, these differences are driven by patient characteristics and does not result in glycemic control disparities. BACKGROUND AND OBJECTIVES: Approach to management of chronic health conditions differs between family medicine (FM) and general internal medicine (GIM). Differences might be due to beliefs, patient case mix, training, and/or experience. This study determined if FM and GIM diabetes management differences exist, and if so, resulted in better or worse glycemic control. METHOD: Electronic medical record data from 2008-2013 were used to identify 976 patients (287 FM and 689 GIM) with type 2 diabetes and prescriptions for metformin. GEE-type regression models were computed to control for repeated measures and estimate the association between primary care specialty and glycemic control, defined as percent of patients with HgA1c<8.5 and average HgA1c. Covariates included demographics, comorbidities, smoking and health care utilization, and diabetes treatment. RESULTS: Compared to FM patients, significantly more GIM patients received a non-metformin medication (35.9% vs 47.2%) and insulin (16.4% vs 23.8%). After adjusting for covariates, FM patients had significantly lower HgA1c values (B = -.47; 95% CI: -0.68, -0.27) and were less likely to have an HgA1c>8.5 (OR=0.55; 95%CI:0.40-0.77). FM vs GIM patients did not differ in degree of HgA1c improvement over time. CONCLUSIONS: FM patients vs GIM patients are less likely to receive a non-metformin and insulin medication. Differences in diabetes management likely correspond to degree of HgA1c control. Choice of treatment appears to reflect patient needs as both FM and GIM patients experienced equal improvement in HgA1c. Primary care specialty differences in beliefs and practices around diabetes management do not result in disparities in patient care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,440
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPrimary Care and Health OutcomesTravaux en français237 207