Metabolic monitoring among patients with psychotic disorders taking antipsychotics: results of a quality improvement project to address this challenging guideline-practice gap
Notice bibliographique
Résumé
BACKGROUND: Metabolic adverse effects of antipsychotic medications pose significant health risks for patients with psychotic disorders. Despite clinical practice guidelines recommending regular metabolic monitoring, adherence to these recommendations remains suboptimal in psychiatric settings. OBJECTIVE: This quality improvement project aimed to assess the impact of an organisational paper-based metabolic monitoring form (MMF) on monitoring practices for patients with psychotic disorders receiving antipsychotic medications at an outpatient psychiatric clinic in a large Canadian city. METHODS: A pre-post intervention study was carried out to assess the impact of the MMF on annual monitoring among 75 randomly selected eligible patients. Metabolic monitoring parameters (blood pressure, weight, waist circumference and glucose and lipid profiles) were reviewed 1 year before and after the introduction of the form. RESULTS: The MMF was missing from 10 charts, and despite its presence in the remainder, no improvement was observed in metabolic parameter documentation, and overall guideline adherence remained low. Fasting glucose and HbA1c measurements were most frequently ordered, while blood pressure and weight measurements remained consistently low across both periods. CONCLUSIONS: The implementation of a paper-based MMF alone was insufficient to bridge the guideline-practice gap in metabolic monitoring, highlighting the need for other or concurrent strategies to achieve improvement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».