Nurse practitioners as primary care site champions for the screening and treatment of hepatitis C virus
Notice bibliographique
Résumé
BACKGROUND: Primary care providers are often the first point of contact for hepatitis C virus (HCV) care, yet treatment initiation in primary care continues to be low. Nurse practitioners (NPs) are autonomous providers who, in Ontario, currently prescribe HCV therapy; however, methods to engage primary care NPs in HCV care have not occurred. PURPOSE: To assess the feasibility of a systematic approach to train and support NPs in HCV testing, care, and treatment. METHODOLOGY: Nurse practitioners from Canada's largest family health team (FHT) were recruited. Nurse practitioners received six hours of training and develop approaches to screen and treat at FHT sites. Treatment algorithms were given, and the number and types of inquiries from NPs were recorded. RESULTS: Over 1 year, 9 NPs screened 1,026 patients; 87.4% were screened based on the identification of a risk factor. A mail-out approach for birth cohort screening occurred at a single site, resulting in rapid uptake in screening. Antibody prevalence was 1.66%, with 76.5% RNA positivity. All RNA-positive treatment-eligible individuals were treated by an NP and completed treatment. Thirty-eight consults occurred over 1 year, the majority related to HCV or liver disease staging. CONCLUSIONS: Formalized initiatives to engage and educate NPs lead to innovative strategies to test for HCV. Nurse practitioners can safely and effectively treat HCV in primary care with minimal support. IMPLICATIONS: This work could be extrapolated to NPs in other primary care settings. Implementing formalized strategies has the potential to create NP leaders in the treatment and elimination of HCV in Ontario, Canada, and globally.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».