Online clinical pathway for chronic kidney disease management in primary care: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Clinical pathways aim to improve patient care. We sought to determine whether an online chronic kidney disease (CKD) clinical pathway was associated with improvements in CKD management. METHODS: . The primary outcome was measurement of an outpatient urine albumin creatinine ratio (ACR) in a 28-day period, among people without a test in the prior year. Secondary outcomes included use of guideline-recommended drug therapies (angiotensin-converting enzyme inhibitors, angiotensin receptor blockers and statins). RESULTS: The study period spanned October 2010 to March 2017. There were 84 independent 28-day periods (53 pre, 31 post pathway implementation) including 345,058 adults. The population was predominantly female (56%) with median age 77 years; most had category 3A CKD (67%) and hypertension (82%). In adjusted segmented regression models, the increase in the rate of change of ACR testing was greatest in Calgary zone (adjusted OR 1.19 per year, 95% CI 1.16-1.21), where dissemination of the pathway was strongest; this increase was more pronounced in those without diabetes (adjusted OR 1.25 per year, 95% CI 1.21-1.29). Small improvements in guideline-concordant medication use were also observed. CONCLUSIONS: Following implementation of an online CKD clinical pathway, improvements in ACR testing were evident in regions where the pathway was most actively used, particularly among individuals without diabetes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».