The Effect of a Diabetes Nursing Practitioners in Community Health Settings on Patient Outcomes and Cost Savings: Rapid Review
Notice bibliographique
Résumé
Background: Community healthcare settings play a critical role in diabetes management, particularly in regions with high prevalence, such as Israel. While nurse practitioners (NPs) or diabetes nurse specialists have demonstrated cost-effectiveness and positive outcomes in hospitals and primary care, their impact in community settings remains underexplored. This review examines the potential of diabetes-focused NPs/diabetes nurse specialists to improve patient outcomes and reduce costs in community healthcare contexts. Methods: Four sources of information were searched, namely Web of Science, PubMed, ScienceDirect, and Google Scholar. Primary studies conducted in community healthcare settings within the past 10 years (2014-2024) using a sample of diabetes mellitus patients cared by NPs or diabetes nurse specialists met the eligibility criteria. The quality of the studies was assessed using the Newcastle-Ottawa Scale (NOS). Results: Initially, 278 studies were identified, and upon screening them against the eligibility criteria, six of them were found to be eligible for review. All were cohort studies using varied research approaches, predominantly comparative analysis, pre-post designs, and observation. Three of the studies were of high quality, two of moderate quality, and one of low quality. It was found that NPs or diabetes nurse specialists have the potential to improve clinical patient outcomes. They are also likely to save the healthcare system costs because they provide the same quality of care and achieve comparable clinical patient outcomes as physicians and physician assistants yet, in jurisdictions like the United States, their compensation is generally lowered than that of physicians. Conclusion: Policymakers should work on the increased deployment of NPs or diabetes nurse specialists to community healthcare settings after assessing cost-effectiveness in their jurisdictions
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 | 0,008 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».