Improving type 2 diabetes mellitus management in Ministry of Defense Hospitals in the Kingdom of Saudi Arabia 2018–2021
Notice bibliographique
Résumé
Diabetes mellitus is a metabolic disease characterised by elevated levels of blood glucose and is a leading cause of disability and mortality. Uncontrolled type 2 diabetes leads to complications such as retinopathy, nephropathy and neuropathy. Improved treatment of hyperglycaemia is likely to delay the onset and progression of microvascular and neuropathic complications.This article describes the efforts of 18 governmental hospitals in the Kingdom of Saudi Arabia that enrolled in a collaborative improvement project to improve the poor glycaemic control (HbA1c >9% to be less than 15%) of patients with diabetes by the end of 2021 among all the chronic illness clinics in the enrolled military hospitals. Enrolled hospitals were required to implement an evidence-based change package that included the implementation of diabetes clinical practice guidelines with standardised assessment and care planning tools. Furthermore, care delivery was standardised using a standard clinic scope of service that focused on multidisciplinary care teams. Finally, hospitals were required to implement diabetes registries that were used by case managers for poorly controlled patients.The project timetable was from October 2018 to December 2021. Diabetes poor control (HbA1c >9%) showed improved mean difference of 12.7% (34.9% baseline, 22.2% after) with a p value of 0.01. Diabetes optimal testing significantly improved from 41% at the start of the project in the fourth quarter of 2018, reaching 78% by the end of the fourth quarter of 2021. Variation between hospitals showed a significant reduction in the first quarter of 2021.The collaborative multilevel approach of standardising the care based on the best available evidence through policies, guidelines and protocols, patient-focused care and integrated care plan by a multidisciplinary team was associated with noticeable improvement in all key performance indicators of the project.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».