Improving Gout Care in a Canadian Academic Medical Center Through a Multidisciplinary, Nurse-Led Protocol
Notice bibliographique
Résumé
Objective Following Health Canada’s knowledge translation framework, we report the results of a clinical audit from 2012 to 2015 followed by a multidisciplinary, nurse-led gout care protocol with a treat-to-target (T2T) strategy implemented in April 2018. Methods A clinical audit with chart reviewing was completed for adults with gout and urate-lowering therapy (ULT) indication at the Centre Hospitalier Universitaire de Sherbrooke. A nurse-led treatment algorithm using allopurinol was then developed. Titration of ULT by a nurse every 4 weeks was done until serum uric acid (SUA) target. In the postprotocol implementation, adults with gout and ULT indication were retrospectively recruited through a billing agency until December 2020. The main outcome was SUA target achievement at 6 months. Results Of 50 patients identified in the audit, 31% reached SUA target at 6 months and 16% were lost to follow-up. A 74-patient postprotocol implementation cohort was recruited, with 43 in the protocol group and 31 under usual care. Most prevalent ULT indication was ≥ 2 gout attacks per year (n = 52) at 70%. Target SUA was reached in 65% (n = 28) in the protocol group at 6 months compared to 19% (n = 6) in the usual care group (P< 0.001). Failing to titrate medication in the usual care group was the leading cause for nonachievement of SUA target at 6 months. Five percent of patients were lost to follow-up, all in the usual care group. Conclusion A multidisciplinary, nurse-led protocol with a T2T strategy implemented after a clinical audit significantly improved gout care. Such protocol could be replicated elsewhere in Canada.
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 | 0,087 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».