Implementation strategies for improving the care of familial hypercholesterolaemia from the International Atherosclerosis Society: next steps in implementation science and practice
Notice bibliographique
Résumé
Familial hypercholesterolaemia (FH) is the most common monogenic condition associated with premature atherosclerotic cardiovascular disease. Early detection and initiation of cholesterol lowering therapy combined with lifestyle changes improves the prognosis of patients with FH significantly. The International Atherosclerosis Society (IAS) published a new guidance for implementing best practice in the care of FH. Previous guidelines and position statements seldom provided implementation recommendations. To address this, an implementation science approach was used to generate implementation strategies for the clinical recommendations made. This process entailed the generation by consensus of strong implementation recommendations according to the Expert Recommendations for Implementing Change (ERIC) taxonomy. A total of 80 general and specific implementation recommendations were generated, addressing detection (screening, diagnosis, genetic testing and counselling) and management (risk stratification, treatment of adults or children with heterozygous or homozygous FH, therapy during pregnancy and use of apheresis) of patients with FH. We describe here the IAS guidance core implementation strategies to assist with the adoption of clinical recommendations into routine practice for at-risk patients and families worldwide. We summarise the IAS guidance core implementation strategies as operative statements.
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 | 0,277 | 0,346 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,006 | 0,016 |
| Intégrité de la recherche | 0,015 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».