Lessons learned from Integrated Management Program Advancing Community Treatment of Atrial Fibrillation (IMPACT-AF): a pragmatic clinical trial of computerized decision support in primary care
Notice bibliographique
Résumé
BACKGROUND: Integrated Management Program Advancing Community Treatment of Atrial Fibrillation (IMPACT-AF) was a pragmatic, cluster randomized trial assessing the effectiveness of a clinical decision support (CDS) tool in primary care, Nova Scotia, Canada. We evaluated if CDS software versus Usual Care could help primary care providers (PCPs) deliver individualized guideline-based AF patient care. METHODS: Key study challenges including CDS development and implementation, recruitment, and data integration documented over the trial duration are presented as lessons learned. RESULTS: Adequate resources must be allocated for software development, updates and feasibility testing. Development took longer than projected. End-user feedback suggested network access and broadband speeds impeded uptake; they felt further that the CDS was not sufficiently user-friendly or efficient in supporting AF care (i.e., repetitive alerts). Integration across e-platforms is crucial. Intellectual property and other issues prohibited CDS integration within electronic medical records and provincial e-health platforms. Double login and data entry were impediments to participation or reasons for provider withdrawal. Data integration challenges prevented easy and timely data access, analysis, and reporting. Primary care study recruitment is resource intensive. Altogether, 203 PCPs and 1145 of their patients participated, representing 25% of eligible providers and 12% of AF patients in Nova Scotia, respectively. The most effective provider recruitment strategy was in-office, small group lunch-and-learns. PCPs with past research experience or who led patient consent were top recruiters. The study office played a pivotal role in achieving patient recruitment targets. CONCLUSIONS: A rapid growth in healthcare data is leading to widespread development of CDS. Our experience found practical issues to address for such applications to succeed. Feasibility testing to assess the utility of any healthcare CDS prior to implementation is recommended. Adequate resources are necessary to support successful recruitment for future pragmatic trials. CDS tools that integrate multiple co-morbid guidelines across eHealth platforms should be pursued. TRIAL REGISTRATION: ClinicalTrials.gov NCT01927367. Registered on August 22, 2013.
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 | 0,018 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».