Informing community pharmacists on COPD case-finding methods: A scoping review
Notice bibliographique
Résumé
Background: Early detection of chronic obstructive pulmonary disease (COPD) is a strategy to address the increasing human and economic costs of this condition. This study aimed to inform pharmacists' case-finding strategies by providing an overview of case-finding approaches by health care practitioners. Methods: A scoping review was conducted based on the Joanna Briggs Institute and the PRISMA Extension for Scoping Reviews (PRISMA ScR) guidelines. Included studies were analyzed under the following themes: population characteristics, inclusion and exclusion criteria, setting, case-finding strategies and yield, health care practitioners involved, interprofessional collaboration and the provision of preventive services. Studies were then characterized by highest yields (the weighted average of each approach expressed as a percentage of the total number of new COPD cases divided by the total number of patients screened using the same approach). Results: The screening process produced 170 eligible studies. Twenty case-finding approaches with average yields of new COPD cases ranging from 3.8% to 29% were identified. The approach with the highest yield involved the use of a questionnaire, peak flow meter and pre-post spirometry. In 14 of these approaches, the process was initiated with the use of questionnaires. In many of the studies, case-finding was targeted at high-risk and/or symptomatic patients. Characteristics of studies with the highest case-finding yields included provider education/training, patient education, active screening, multistep approaches to case-finding, provider engagement, diagnostic criteria by guidelines and engagement of other health care practitioners. Conclusion: In our scoping review of case-finding methods for patients with COPD, we found the greatest yield from pre-post spirometry following initial screening with a peak flow meter and questionnaire. Pharmacists and health researchers can use these approaches to identify high-risk patients for interventions.
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 | 0,183 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,040 | 0,030 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».