Assessing the state of care for Huntington disease in the United States: Results from a survey of practices treating Huntington disease patients
Notice bibliographique
Résumé
Background: No study to date has thoroughly examined US Huntington disease (HD) care delivery in a variety of clinic settings by HD specialists and non-specialists. Objective: To obtain a clearer understanding of current care structure and delivery of care through a survey of representative US physicians treating HD patients. Methods: We designed and fielded a survey of 40 closed-ended evaluative items and one open-ended item to a sample of 339 US practices. Unique to this survey was the inclusion of non-specialists. Results: Responses were received from 156 practices (overall response rate 46.02 %), with 52.6 % from academic sites, 35.3 % from private practices, and 12.2 % from the VA. More than half (63.5 %) of the practice leads were movement disorder trained or Directors of HDSA Centers of Excellence and 58.3 % had an HD or multidisciplinary care clinic. However, 48.7 % of the practices saw 1-25 HD patients, 28.2 % saw 26-100 HD patients, and 23.1 % served over 100 HD patients annually. Most practices (>69 %) reported having difficulty providing social work, genetic counseling, care coordination and psychologists/psychiatrists. Increased HD practice size was associated with higher rates of pre-visit screenings, care navigator/care coordinators, routine monitoring of weight, and provision of genetic counseling by genetic counselors. Conclusions: Not surprisingly, we found that HD care was inconsistently applied across the US. Practices led by neurologists trained in movement disorders, and higher HD volume practices, tended to be better equipped to provide multi-disciplinary staffing and procedures as compared to those with fewer numbers of HD patients.
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 | 0,002 | 0,050 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».