Improving follow-up visits among individuals with hypertension: Quality Improvement project in the District Hospital, Seoni, Madhya Pradesh, India, 2021–2022
Notice bibliographique
Résumé
BACKGROUND: In India, to achieve a 25% relative reduction in the prevalence of raised blood pressure (BP) by 2025, approximately 4.5 crore additional people with hypertension will need to have their BP effectively treated. We conducted a Quality Improvement (QI) initiative to improve follow-up and reduce missed visits among individuals with hypertension registered under India Hypertension Control Initiative, District Hospital, Seoni, Madhya Pradesh, India, in 2022. METHODS: We conducted a quasiexperimental study from January to September 2022 in the District Hospital in Seoni, Madhya Pradesh. Following the Ishikawa diagram, the major root causes for missed visits were identified, and countermeasures were developed. The packages under Plan-Do-Study-Act (PDSA) included (i) training urban Accredited Social Health Activists to conduct house visits for individuals with missed visits and (ii) triangulating the follow-up records from various information systems. The review meetings for QI initiatives were conducted fortnightly to follow-up PDSAs. We calculated the proportion of individuals who were followed-up monthly, and the proportion of missed visits among those registered quarterly. RESULTS: Cumulatively, 2850 individuals were registered with hypertension till September 2022. Following the intervention, the monthly follow-up proportion increased from 21% in January to 37% in September 2022. Missed visit proportion decreased from 66% (228/345) in quarter four, 2021, to 22% (40/180) in quarter three, 2022. Of the 1438 individuals counselled by ASHA home visits, 74.9% returned for follow-up. CONCLUSION: In our setting, QI initiatives suggested that missed visits decreased during the intervention period. However, the interventions must be implemented continuously for better monitoring and use in similar settings.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».