MétaCan
Menu
Retour à la cohorte
Enregistrement W3164381515 · doi:10.1016/j.xkme.2021.03.009

Integrated Digital Health System Tools to Support Decision Making and Treatment Preparation in CKD: The PREPARE NOW Study

2021· article· en· W3164381515 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueKidney Medicine · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of ManitobaSeven Oaks General Hospital
Organismes subventionnairesPatient-Centered Outcomes Research Institute
Mots-clésMedicineKidney diseaseNephrologyClinical decision support systemRenal replacement therapyDecision support systemElectronic health recordHealth careFamily medicineIntensive care medicineMedical emergencyNursingInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

RATIONALE & OBJECTIVE: Digital health system tools to support shared decision making and preparation for kidney replacement treatments for patients with chronic kidney disease (CKD) are needed. STUDY DESIGN: Descriptive study of the implementation of digital infrastructure to support a patient-centered health system intervention. SETTING & PARTICIPANTS: 4 CKD clinics within a large integrated health system. EXPOSURE: We developed an integrated suite of digital engagement tools to support patients' shared decision making and preparation for kidney failure treatments. Tools included an automated CKD patient registry and risk prediction algorithm within the electronic health record (EHR) to identify and prioritize patients in need of nurse case management to facilitate shared decision making and preparation for kidney replacement treatments, an electronic patient-facing values clarification tool, a tracking application to document patients' preparation for treatments, and an EHR work flow to broadcast patients' treatment preferences to all health care providers. OUTCOMES: Uptake and acceptability. ANALYTIC APPROACH: Mixed methods. RESULTS: From July 1, 2017, through June 30, 2018, the CKD registry identified 1,032 patients in 4 nephrology clinics, of whom 243 (24%) were identified as high risk for progressing to kidney failure within 2 years. Kidney Transitions Specialists enrolled 117 (48%) high-risk patients by the end of year 1. The values tool was completed by 30/33 (91%) patients who attended kidney modality education. Nurse case managers used the tracking application for 100% of patients to document 287 planning steps for kidney replacement therapy. Most (87%) high-risk patients had their preferred kidney replacement modality documented and displayed in the EHR. Nurse case managers reported that the tools facilitated their identification of patients needing support and their navigation activities. LIMITATIONS: Single institution, short duration. CONCLUSIONS: Digital health system tools facilitated rapid identification of patients needing shared and informed decision making and their preparation for kidney replacement treatments. FUNDING: This work was supported through a Patient-Centered Outcomes Research Institute (PCORI) Project Program Award (IHS-1409-20967). TRIAL REGISTRATION: ClinicalTrials.gov NCT02722382.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,089
Tête enseignante GPT0,474
Écart entre enseignants0,385 · 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