Drivers and scorecards to improve hypertension control in primary care practice: Recommendations from the HEARTS in the Americas Innovation Group
Notice bibliographique
Résumé
Background: Cardiovascular disease (CVD) is the leading cause of morbidity and mortality in the Americas, and hypertension is the most significant modifiable risk factor. However, hypertension control rates remain low, and CVD mortality is stagnant or rising after decades of continuing reduction. In 2016, the World Health Organization (WHO) launched the HEARTS technical package to improve hypertension control. The Pan American Health Organization (PAHO) designed the HEARTS in the Americas Initiative to improve CVD risk management, emphasizing hypertension control, to date implemented in 21 countries. Methods: To advance implementation, an interdisciplinary group of practitioners was engaged to select the key evidence-based drivers of hypertension control and to design a comprehensive scorecard to monitor their implementation at primary care health facilities (PHC). The group studied high-performing health systems that achieve high hypertension control through quality improvement programs focusing on specific process measures, with regular feedback to providers at health facilities. Findings: The final selected eight drivers were categorized into five main domains: (1) diagnosis (blood pressure measurement accuracy and CVD risk evaluation); (2) treatment (standardized treatment protocol and treatment intensification); (3) continuity of care and follow-up; (4) delivery system (team-based care, medication refill), and (5) system for performance evaluation. The drivers and recommendations were then translated into process measures, resulting in two interconnected scorecards integrated into the HEARTS in the Americas monitoring and evaluation system. Interpretation: Focus on these key hypertension drivers and resulting scorecards, will guide the quality improvement process to achieve population control goals at the participating health centers in HEARTS implementing countries. Funding: No funding to declare.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,080 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».