Medical device standardisation for diabetes: a 6–year evaluation of cost savings
Notice bibliographique
Résumé
Background/Aims This is a follow-up study to research published in 2017, which evaluated the effectiveness of an audit and change programme aiming to improve the cost-effectiveness of self-monitoring of blood glucose prescribing in two Greater Manchester clinical commissioning groups. The present study aimed to assess the longevity of the changes achieved over a 6-year period, comparing clinical commissioning groups that adopted the change programme in 2015 with those that adopted it later or not at all in Greater Manchester. Methods Prescribing data for Greater Manchester were extracted from a publicly available database and categorised into three groups: clinical commissioning groups that adopted a medicines optimisation programme in 2015, those that adopted it later and those that did not adopt the programme. The savings of each clinical commissioning group were balanced using diabetes prevalence data and compared against an average clinical commissioning group in England. Data were compared using Kruskal Wallis tests, post-hoc Dunn's tests, Mann-Whitney U tests and linear regression. Results Clinical commissioning groups that implemented the change programme in 2015 had greater savings than those that did not implement the change programme (P=0.0036). The former group also saw greater percentage reductions in mean self-monitoring of blood glucose unit costs than the NHS England average (29.6% vs 20.3%; P<0.001) between the fourth quarter of 2014 and the fourth quarter of 2020. Conclusions A structured change programme that aims to standardise prescribing can lead to substantial cost savings over a time period of 6 years.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».