Effectiveness of a Multidisciplinary Limb Preservation Program in Reducing Regional Hospitalization Rates for Patients With Diabetes-Related Foot Complications
Notice bibliographique
Résumé
Objective This study evaluated the toe and flow model (TFM), a limb preservation program led by podiatric surgeons in Alberta, Canada, for its impact on hospitalization rates and length of stay (LOS) in patients with diabetic foot complication (DFC). Diabetes, a leading cause of non-traumatic lower extremity amputations (LEAs) in Canada, often results in diabetic foot ulcers (DFUs), a major cause of infection, amputation, and hospitalization. TFM has reportedly reduced amputation rates by 39% to 56%. Methods The study analyzed Alberta's health database from 2007 to 2017, focusing on diabetes patients aged 20 and above. It included patients with various DFCs and compared outcomes in regions using TFM and standard of care (SOC). The study also examined data from two major cities, one with TFM and the other without, including rural referrals to Calgary and Edmonton. The data were normalized for the diabetic population and analyzed using a standard Student’s t -test. Results TFM regions showed significantly lower hospitalization rates ( p = 1.22E-12) than SOC regions. Over 11 years, TFM maintained lower average and median LOS by 0.13 and 0.26 days, respectively. TFM access reduced hospitalization risk by up to 30%, and patients in TFM regions had a 21% shorter LOS compared to SOC regions. Conclusion Despite similar demographics and healthcare systems, the TFM region benefited from a dedicated multidisciplinary program and comprehensive limb preservation services. The study shows that TFM effectively reduces hospitalizations and LOS for DFCs, with significantly better outcomes in the TFM region than in SOC regions.
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 | 0,000 |
| 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 ».