MétaCan
Menu
← Retour à la cohorte
Enregistrement W4213364696 · doi:10.2196/35216

Pandemic-Related Impairment in the Monitoring of Patients With Hypertension and Diabetes and the Development of a Digital Solution for the Community Health Worker: Quasiexperimental and Implementation Study

2022· article· en· W4213364696 sur OpenAlexvenueno aff
Christiane Corrêa Rodrigues Cimini, Júnia Xavier Maia, Magda Carvalho Pires, Leonardo Bonisson Ribeiro, Vânia Soares de Oliveira e Almeida Pinto, James Batchelor, Antônio Luiz Pinho Ribeiro, Milena Soriano Marcolino

Notice bibliographique

RevueJMIR Medical Informatics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e TecnológicoMinistério da SaúdeCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésMedicineDiabetes mellitusPandemicTelemedicineBlood pressureDigital healthTelehealthHealth careEmergency medicineInternal medicineDiseaseIntensive care medicinePhysical therapyCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The restrictions imposed by the COVID-19 pandemic reduced health service access by patients with chronic diseases. The discontinuity of care is a cause of great concern, mainly in vulnerable regions. OBJECTIVE: This study aimed to assess the impact of the COVID-19 pandemic on people with hypertension and diabetes mellitus (DM) regarding the frequency of consultations and whether their disease was kept under control. The study also aimed to develop and implement a digital solution to improve monitoring at home. METHODS: This is a multimethodological study. A quasiexperimental evaluation assessed the impact of the pandemic on the frequency of consultations and control of patients with hypertension and DM in 34 primary health care centers in 10 municipalities. Then, an implementation study developed an app with a decision support system (DSS) for community health workers (CHWs) to identify and address at-risk patients with uncontrolled hypertension or DM. An expert panel assessment evaluated feasibility, usability, and utility of the software. RESULTS: Of 5070 patients, 4810 (94.87%) had hypertension, 1371 (27.04%) had DM, and 1111 (21.91%) had both diseases. There was a significant reduction in the weekly number of consultations (107, IQR 60.0-153.0 before vs 20.0, IQR 7.0-29.0 after social restriction; P<.001). Only 15.23% (772/5070) of all patients returned for a consultation during the pandemic. Individuals with hypertension had lower systolic (120.0, IQR 120.0-140.0 mm Hg) and diastolic (80.0, IQR 80.0-80.0 mm Hg) blood pressure than those who did not return (130.0, IQR 120.0-140.0 mm Hg and 80.0, IQR 80.0-90.0 mm Hg, respectively; P<.001). Also, those who returned had a higher proportion of controlled hypertension (64.3% vs 52.8%). For DM, there were no differences in glycohemoglobin levels. Concerning the DSS, the experts agreed that the CHWs can easily incorporate it into their routines and the app can identify patients at risk and improve treatment. CONCLUSIONS: The COVID-19 pandemic caused a significant drop in the number of consultations for patients with hypertension and DM in primary care. A DSS for CHW has proved to be feasible, useful, and easily incorporated into their routines.

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)0,015
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,389
Écart entre enseignants0,338 · 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'étudeEssai non randomisé
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical Informatics→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→