The Impact of Web-Based Continuing Medical Education Using Patient Simulation on Real-World Treatment Selection in Type 2 Diabetes: Retrospective Case-Control Analysis
Notice bibliographique
Résumé
BACKGROUND: Despite guidelines recommending the use of glucagon-like peptide-1 receptor agonists (GLP-1 RAs) in certain patients with type 2 diabetes (T2D), they are not being prescribed for many of these patients. Web-based continuing medical education (CME) patient simulations have been used to identify clinicians' practice gaps and improve clinical decision-making as measured within a simulation, but the impact of this format on real-world treatment has not been researched. OBJECTIVE: This study aimed to evaluate the effect of a simulation-based CME intervention on real-world use of GLP-1 RAs by endocrinologists and primary care physicians. METHODS: Two evaluation phases of the CME simulation were conducted: phase I, the CME simulation phase, was a paired, pre-post study of 435 physician learners in the United States; and phase II, the real-world phase, was a retrospective, matched case-control study of 157 of the 435 physicians who had claims data available for the study period. RESULTS: Phase I CME results showed a 29 percentage point increase in correct decisions from pre- to postfeedback (178/435, 40.9% to 304/435, 69.9%; P<.001) in selecting treatment that addresses both glycemic control and cardiovascular event protection. Phase II results showed that 39 of 157 (24.8%) physicians in the intervention group increased use of GLP-1 RAs, compared to 20 of 157 (12.7%) in the comparison group. Being in the intervention group predicted GLP-1 RA use after education (odds ratio 4.49; 95% CI 1.45-13.97; P=.001). CONCLUSIONS: A web-based CME simulation focused on secondary prevention of cardiovascular events in a patient with T2D was associated with increased use of evidence-based treatment selection in the real world.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».