Increasing Treatment Rates for Hepatitis C in Primary Care
Notice bibliographique
Résumé
BACKGROUND: Despite antiviral agents that can cure the disease, many individuals with Hepatitis C Virus (HCV) remain untreated. Primary care clinicians can play an important role in HCV treatment but often feel they do not have the requisite skills. METHODS: We implemented a population-based improvement intervention over 10 months to support treatment of HCV in a primary care setting. The intervention included a decision-support tool, education for clinicians, enhanced interprofessional team supports, mentorship, and proactive patient outreach. We used process and outcome measures to understand the impact on the proportion of patients who initiated treatment and achieved Sustained Virologic Response (SVR). We used physician focus groups and pharmacist interviews to understand the context and mechanisms influencing the impact of the intervention. RESULTS: Between December 2018 and June 2020, the percentage of HCV RNA positive patients who started treatment rose from 66.0% (354/536) to 75.5% (401/531) with 92.5% (371/401) of those starting treatment achieving SVR. Qualitative findings highlighted that the intervention helped raise awareness and confidence among physicians for treating HCV in primary care. A collaborative team environment, education, mentorship, and a decision-support tool integrated into the electronic record were all enablers of success although patient psychosocial complexity remained a barrier to engagement in treatment. CONCLUSION: A multifaceted primary care improvement initiative increased clinician confidence and was associated with an increase in the proportion of HCV RNA positive patients who initiated curative treatment.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».