Increasing likelihood of prescribing recommended lipid management
Notice bibliographique
Résumé
OBJECTIVE: To explore whether participation in a series of cardiology continuing medical education (CME) activities affects primary care providers' (PCPs') lipid management for their patients. DESIGN: This retrospective cohort study used a database of participation in cardiology CME activities (2011 to 2017) linked to electronic medical records. Statistical analyses were completed using logistic regression with generalized estimating equations. SETTING: Manitoba. PARTICIPANTS: Patients receiving care from 225 PCPs participating in the Manitoba Primary Care Research Network. MAIN OUTCOME MEASURES: Recommended lipid management was defined as prescription of statins (yes or no) among patients diagnosed with cardiovascular disease (CVD), patients diagnosed with diabetes mellitus (DM; 40 years or older), and patients diagnosed with chronic kidney disease (CKD; 50 years and older) in 2017. Treatment was identified using the ATC (Anatomical Therapeutic Chemical) system (ATC code C10AA or C10B). RESULTS: After adjusting for relevant confounders, the odds of prescribing statins to patients with CVD, DM, or CKD among PCPs who did not participate in the cardiology CME activities were 50%, 55%, and 67% lower, respectively, than among PCPs who participated in 2 or more activities. The odds of prescribing statins to patients with CVD and DM among PCPs who participated in only 1 cardiology CME activity were also 67% and 63% lower, respectively, than among PCPs who participated in 2 or more activities. CONCLUSION: Results suggested that PCPs who participated in 2 or more cardiology CME activities were more likely to prescribe recommended lipid management (statins) for adults with CVD, DM, or CKD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».