MétaCan
Menu
Retour à la cohorte
Enregistrement W321069027

Evaluation of a chronic disease management system for the treatment and management of diabetes in primary health care practices in Ontario: an observational study.

2014· article· en· W321069027 sur OpenAlexaffabout
Daria O’Reilly, James M. Bowen, Rolf J. Sebaldt, Alana Petrie, Robert Hopkins, Nazila Assasi, Craig MacDougald, Érica Vitória Almeida Nunes, R Goeree

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensMcMaster UniversityHamilton Health SciencesSt. Joseph’s Healthcare HamiltonPrograms for Assessment of Technology in Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyDisease managementPrimary careDiabetes mellitusDiabetes managementChronic diseaseHealth management systemPrimary health careDiseaseHealth careFamily medicineIntensive care medicineAlternative medicineType 2 diabetesEnvironmental healthPopulationInternal medicinePathologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Computerized chronic disease management systems (CDMSs), when aligned with clinical practice guidelines, have the potential to effectively impact diabetes care. OBJECTIVE: The objective was to measure the difference between optimal diabetes care and actual diabetes care before and after the introduction of a computerized CDMS. METHODS: This 1-year, prospective, observational, pre/post study evaluated the use of a CDMS with a diabetes patient registry and tracker in family practices using patient enrolment models. Aggregate practice-level data from all rostered diabetes patients were analyzed. The primary outcome measure was the change in proportion of patients with up-to-date "ABC" monitoring frequency (i.e., hemoglobin A1c, blood pressure, and cholesterol). Changes in the frequency of other practice care and treatment elements (e.g., retinopathy screening) were also determined. Usability and satisfaction with the CDMS were measured. RESULTS: Nine sites, 38 health care providers, and 2,320 diabetes patients were included. The proportion of patients with up-to-date ABC (12%), hemoglobin A1c (45%), and cholesterol (38%) monitoring did not change over the duration of the study. The proportion of patients with up-to-date blood pressure monitoring improved, from 16% to 20%. Data on foot examinations, retinopathy screening, use of angiotensin-converting enzyme inhibitors/angiotensin II receptor blockers, and documentation of self-management goals were not available or not up to date at baseline for 98% of patients. By the end of the study, attitudes of health care providers were more negative on the Training, Usefulness, Daily Practice, and Support from the Service Provider domains of the CDMS, but more positive on the Learning, Using, Practice Planning, CDMS, and Satisfaction domains. LIMITATIONS: Few practitioners used the CDMS, so it was difficult to draw conclusions about its efficacy. Simply giving health care providers a potentially useful technology will not ensure its use. CONCLUSIONS: This real-world evaluation of a web-based CDMS for diabetes failed to impact physician practice due to limited use of the system. PLAIN LANGUAGE SUMMARY: Patients and health care providers need timely access to information to ensure proper diabetes care. This study looked at whether a computer-based system at the doctor's office could improve diabetes management. However, few clinics and health care providers used the system, so no improvement in diabetes care was seen.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,253
Score d'incertitude au seuil0,509

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,254
Tête enseignante GPT0,449
Écart entre enseignants0,194 · 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

Citations9
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetElectronic Health Records SystemsTravaux en français237 207